🚀 TEN对话轮次检测模型

TEN Turn Detection是一款先进的智能对话轮次检测模型，专为实现人类与AI之间自然、动态的交流而设计。该模型能够精准检测自然对话中的轮次转换信号，支持基于上下文的打断机制，有效提升人机对话的自然度。

🚀 快速开始

TEN Turn Detection在GitHub上也有提供，链接为 TEN-framework/ten-turn-detection。

📦 安装指南

pip install "transformers>=4.45.0"
pip install "torch>=2.0.0"

模型权重

TEN Turn Detection模型可在HuggingFace上获取。

💻 使用示例

基础用法

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

# Load model and tokenizer
model_id = 'TEN-framework/TEN_Turn_Detection'
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True, torch_dtype=torch.bfloat16)
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)

# Move model to GPU
model = model.cuda()
model.eval()

# Function for inference
def analyze_text(text, system_prompt=""):
    inf_messages = [{"role":"system", "content":system_prompt}] + [{"role":"user", "content":text}]
    input_ids = tokenizer.apply_chat_template(
        inf_messages, 
        add_generation_prompt=True, 
        return_tensors="pt"
    ).cuda()
    
    with torch.no_grad():
        outputs = model.generate(
            input_ids, 
            max_new_tokens=1, 
            do_sample=True, 
            top_p=0.1, 
            temperature=0.1, 
            pad_token_id=tokenizer.eos_token_id
        )
        
    response = outputs[0][input_ids.shape[-1]:]
    return tokenizer.decode(response, skip_special_tokens=True)

# Example usage
text = "Hello I have a question about"
result = analyze_text(text)
print(f"Input: '{text}'")
print(f"Turn Detection Result: '{result}'")

✨ 主要特性

• 上下文感知的轮次管理：TEN Turn Detection通过分析语言模式和语义上下文，准确识别对话轮次的完成点。这一能力使系统能够智能处理打断情况，根据上下文判断合适的打断时机，确保在各种对话场景中都能保持自然流畅的交流。
• 多语言轮次检测支持：该模型全面支持中英文两种语言，能够在多语言对话中准确识别轮次转换信号和完成信号。
• 卓越的性能：与多个开源解决方案相比，TEN在公开的测试数据集上的各项指标均表现出色。

📚 详细文档

数据集准备

我们已经开源了TEN-Turn-Detection测试集，这是一个专门为评估AI对话系统轮次检测能力而设计的双语（中文和英文）对话输入集合。该数据集由三个不同的部分组成：

• wait.txt：包含请求对话暂停或终止的表达。
• unfinished.txt：包含未完成的对话输入，语句被截断。
• finished.txt：提供跨多个领域的完整对话输入。

检测性能

我们使用测试数据集对多个开源的轮次检测模型进行了全面评估：

语言	模型	已完成准确率	未完成准确率	等待准确率
英语	模型A	59.74%	86.46%	N/A
英语	模型B	71.61%	96.88%	N/A
英语	TEN Turn Detection	90.64%	98.44%	91%
中文	模型B	74.63%	88.89%	N/A
中文	TEN Turn Detection	98.90%	92.74%	92%

⚠️ 重要提示

1. 模型A不支持中文语言处理。
2. 模型A和模型B均不支持“等待”状态检测。

模型格式选择

选择合适的模型格式取决于你的硬件能力和内存限制。

模型格式	精度	内存使用	设备要求	最佳用例
BF16（Brain Float 16）	非常高	高	支持BF16加速的GPU/CPU	高速推理，减少内存使用
F16（Float 16）	高	高	支持FP16加速的GPU/CPU	当BF16不可用时进行推理
Q4_K	中低	低	CPU或低显存设备	内存受限的推理
Q6_K	中等	适中	内存较大的CPU	量化后获得更好的准确率
Q8_0	高	适中	显存适中的GPU/CPU	量化模型中准确率最高
IQ3_XS	低	非常低	超低内存设备	最大内存效率，低准确率
IQ3_S	低	非常低	低内存设备	比IQ3_XS更实用
IQ3_M	中低	低	低内存设备	比IQ3_S准确率更高
Q4_0	低	低	基于ARM的/嵌入式设备	Llama.cpp自动优化ARM推理
超低比特（IQ1/2_*）	非常低	极低	小型边缘/嵌入式设备	在极紧的内存中运行模型；低准确率
混合（例如 bf16_q8_0）	中高	中等	支持混合精度的硬件	平衡性能和内存，关键层接近FP精度

BF16（Brain Float 16）

• 这是一种16位浮点格式，专为更快的计算而设计，同时保持良好的精度。
• 与FP32具有相似的动态范围，但内存使用更低。
• 如果你的硬件支持BF16加速（请检查设备规格），建议使用。
• 与FP32相比，它是高性能推理且内存占用减少的理想选择。

📌 使用场景：

• 硬件具有原生BF16支持（例如，较新的GPU、TPU）。
• 希望在节省内存的同时获得更高的精度。
• 计划将模型重新量化为其他格式。

📌 避免使用场景：

• 硬件不支持BF16（可能会回退到FP32并运行较慢）。
• 需要与缺乏BF16优化的旧设备兼容。

F16（Float 16）

• 这是一种16位浮点格式，具有高精度，但取值范围比BF16小。
• 适用于大多数支持FP16加速的设备（包括许多GPU和一些CPU）。
• 数值精度略低于BF16，但通常足以进行推理。

📌 使用场景：

• 硬件支持FP16但不支持BF16。
• 需要在速度、内存使用和准确性之间取得平衡。
• 在GPU或其他针对FP16计算优化的设备上运行。

📌 避免使用场景：

• 设备缺乏原生FP16支持（可能运行比预期慢）。
• 内存有限。

混合精度模型（例如 bf16_q8_0、f16_q4_K）

这些格式选择性地量化非关键层，同时保持关键层的全精度（例如，注意力和输出层）。

• 例如 bf16_q8_0 表示全精度BF16核心层 + 量化Q8_0其他层。
• 在内存效率和准确性之间取得平衡，比全量化模型有所改进，而无需BF16/F16的全部内存。

📌 使用场景：

• 需要比仅量化模型更高的准确性，但无法承受在所有地方使用全BF16/F16。
• 设备支持混合精度推理。
• 希望在受限硬件上为生产级模型优化权衡。

📌 避免使用场景：

• 目标设备不支持混合或全精度加速。
• 在超严格的内存限制下运行（在这种情况下，使用全量化格式）。

量化模型（Q4_K、Q6_K、Q8等）

量化可以在尽可能保持准确性的同时减小模型大小和内存使用。

• 低比特模型（Q4_K）：最适合最小的内存使用，但可能精度较低。
• 高比特模型（Q6_K、Q8_0）：准确性更好，但需要更多内存。

📌 使用场景：

• 在CPU上运行推理，需要优化模型。
• 设备显存较低，无法加载全精度模型。
• 希望在保持合理准确性的同时减少内存占用。

📌 避免使用场景：

• 需要最高的准确性（全精度模型更适合）。
• 硬件有足够的显存用于更高精度的格式（BF16/F16）。

极低比特量化（IQ3_XS、IQ3_S、IQ3_M、Q4_K、Q4_0）

这些模型针对非常高的内存效率进行了优化，非常适合低功耗设备或大规模部署，其中内存是关键限制因素。

• IQ3_XS：超低比特量化（3位），具有非常高的内存效率。
  • 使用场景：最适合超低内存设备，即使Q4_K也太大。
  • 权衡：与高比特量化相比，准确性较低。
• IQ3_S：小块大小，以实现最大内存效率。
  • 使用场景：最适合低内存设备，其中IQ3_XS过于激进。
• IQ3_M：中等块大小，比IQ3_S具有更好的准确性。
  • 使用场景：适用于低内存设备，其中IQ3_S过于受限。
• Q4_K：4位量化，具有逐块优化，以提高准确性。
  • 使用场景：最适合低内存设备，其中Q6_K太大。
• Q4_0：纯4位量化，针对ARM设备进行了优化。
  • 使用场景：最适合基于ARM的设备或低内存环境。

超低比特量化（IQ1_S、IQ1_M、IQ2_S、IQ2_M、IQ2_XS、IQ2_XSS）

• 超低比特量化（1 - 2位），具有极高的内存效率。
  • 使用场景：最适合需要将模型放入非常受限的内存中的情况。
  • 权衡：准确性非常低。可能无法按预期运行。使用前请充分测试。

量子网络监控测试

如果你觉得这些模型有用，可以帮助我测试我的人工智能驱动的量子网络监控助手，进行量子就绪安全检查： 👉 量子网络监控

量子网络监控服务的完整开源代码可在我的GitHub仓库中找到（名称中包含NetworkMonitor的仓库）：量子网络监控源代码。如果你想自己进行模型量化，也可以找到我使用的代码 GGUFModelBuilder。

测试方法

选择一个AI助手类型：

• TurboLLM（GPT-4.1-mini）
• HugLLM（Hugging Face开源模型）
• TestLLM（仅实验性CPU）

测试内容

我正在挑战小型开源模型在AI网络监控中的极限，具体包括：

• 针对实时网络服务进行函数调用。
• 探索模型可以多小，同时仍能处理：
  • 自动化Nmap安全扫描。
  • 量子就绪检查。
  • 网络监控任务。

不同助手介绍

• TestLLM（当前实验模型，在Hugging Face Docker空间的2个CPU线程上运行llama.cpp）：
  • ✅ 零配置设置。
  • ⏳ 加载时间30秒（推理速度慢，但无API成本）。由于成本低，没有令牌限制。
  • 🔧 寻求帮助！ 如果你对边缘设备AI感兴趣，让我们合作！
• TurboLLM（使用gpt-4.1-mini）：
  • 性能非常好，但不幸的是，OpenAI按令牌收费。因此，令牌使用受到限制。
  • 创建自定义cmd处理器，在量子网络监控代理上运行.NET代码。
  • 实时网络诊断和监控。
  • 安全审计。
  • 渗透测试（Nmap/Metasploit）。
• HugLLM（最新的开源模型）：
  • 🌐 在Hugging Face推理API上运行。使用Novita托管的最新模型表现相当不错。

测试命令示例

1. "Give me info on my websites SSL certificate"
2. "Check if my server is using quantum safe encyption for communication"
3. "Run a comprehensive security audit on my server"
4. "Create a cmd processor to .. (what ever you want)" 注意，你需要安装量子网络监控代理才能运行.NET代码。这是一个非常灵活和强大的功能，请谨慎使用！

🔧 技术细节

量化方法测试

测试一种新的量化方法，使用规则将重要层提升到标准imatrix使用的水平之上。发现标准IMatrix在低比特量化和MOE模型中表现不佳，因此使用llama.cpp --tensor-type来提升选定的层。请参考 使用llama.cpp进行层提升。这种方法会创建更大的模型文件，但可以提高给定模型大小的精度。

模型原理

TEN Turn Detection利用基于Transformer的语言模型（Qwen2.5 - 7B）进行语义分析的多层方法。该模型将用户的文本分为三种关键状态：

• 已完成（finished）：用户表达了完整的想法并期望得到回应的完整语句。例如：“Hey there I was wondering can you help me with my order”
• 等待（wait）：用户明确指示AI不要说话的语句。例如：“Shut up”
• 未完成（unfinished）：用户暂时停顿但打算继续说话的明显未完成语句。例如：“Hello I have a question about”

这三种分类状态使TEN系统能够通过智能管理轮次转换，减少尴尬的打断，同时保持对话流畅，创造自然的对话动态。

📄 许可证

本项目采用Apache 2.0许可证。

最终说明

我自掏腰包资助用于创建这些模型文件的服务器、运行量子网络监控服务，并支付从Novita和OpenAI进行推理的费用。模型创建和量子网络监控项目背后的所有代码都是开源的。请随意使用你认为有用的任何内容。

如果你欣赏这些工作，请考虑请我喝杯咖啡 ☕。你的支持有助于支付服务成本，并让我为大家提高令牌限制。

我也欢迎工作机会或赞助。

感谢你的支持！😊