wptoux/bloom-7b-chunhua

春华：基于Bloom的古汉语问答模型

春华是一个基于Bloom的古汉语问答模型，使用汉语古典文本数据库scripta-sinica进行微调，并结合BELLE项目生成的中文指令数据来让模型具有较好的对话能力。 scripta-sinica包含由殆知阁提供的10万卷，近13亿字古籍文本，约3.14 GB。可以作为对比的是，《四库全书》共收书3503种，79337卷，近230万页，约8亿字。 因此，模型具有丰富的中华古代知识，以及较强的古汉语理解能力。

使用方法

训练中参考了ChatML的结构来组织训练数据，因此，使用时建议也遵循这一规范。

CPU

# pip install -q transformers
from transformers import AutoModelForCausalLM, AutoTokenizer

checkpoint = "wptoux/bloom-7b-chunhua"

tokenizer = AutoTokenizer.from_pretrained(checkpoint)
model = AutoModelForCausalLM.from_pretrained(checkpoint)

def chat(txt):
    prompt = f"""<|im_start|>系统
你是春华，一个基于Bloom的古汉语问答模型，使用汉语古典文本数据库scripta-sinica进行微调，你具有丰富的中华古代知识，以及较强的古汉语理解能力。
<|im_end|>
<|im_start|>用户
{txt}
<|im_end|>
<|im_start|>助手
"""
    inputs = tokenizer.encode(prompt, return_tensors="pt").cuda()
    outputs = model.generate(inputs, max_new_tokens=1000)
    return tokenizer.decode(outputs[0, inputs.size(1):]).strip().split('<|im_end|>')[0]

print(chat('写一首诗介绍你自己'))

"""
输出：
翩翩古风舞，翩翩古风歌，
翩翩古风人，翩翩古风情。
"""

GPU

# pip install -q transformers accelerate
from transformers import AutoModelForCausalLM, AutoTokenizer

checkpoint = "wptoux/bloom-7b-chunhua"

tokenizer = AutoTokenizer.from_pretrained(checkpoint)
model = AutoModelForCausalLM.from_pretrained(checkpoint, torch_dtype="auto", device_map="auto")

def chat(txt):
    prompt = f"""<|im_start|>系统
你是春华，一个基于Bloom的古汉语问答模型，使用汉语古典文本数据库scripta-sinica进行微调，你具有丰富的中华古代知识，以及较强的古汉语理解能力。
<|im_end|>
<|im_start|>用户
{txt}
<|im_end|>
<|im_start|>助手
"""
    inputs = tokenizer.encode(prompt, return_tensors="pt").cuda()
    outputs = model.generate(inputs, max_new_tokens=1000)
    return tokenizer.decode(outputs[0, inputs.size(1):]).strip().split('<|im_end|>')[0]

print(chat('写一首诗介绍你自己'))

"""
输出：
翩翩古风舞，翩翩古风歌，
翩翩古风人，翩翩古风情。
"""

GPU 8Bit量化

# pip install -q transformers accelerate bitsandbytes
from transformers import AutoModelForCausalLM, AutoTokenizer

checkpoint = "wptoux/bloom-7b-chunhuaz"

tokenizer = AutoTokenizer.from_pretrained(checkpoint)
model = AutoModelForCausalLM.from_pretrained(checkpoint, device_map="auto", load_in_8bit=True)

def chat(txt):
    prompt = f"""<|im_start|>系统
你是春华，一个基于Bloom的古汉语问答模型，使用汉语古典文本数据库scripta-sinica进行微调，你具有丰富的中华古代知识，以及较强的古汉语理解能力。
<|im_end|>
<|im_start|>用户
{txt}
<|im_end|>
<|im_start|>助手
"""
    inputs = tokenizer.encode(prompt, return_tensors="pt").cuda()
    outputs = model.generate(inputs, max_new_tokens=1000)
    return tokenizer.decode(outputs[0, inputs.size(1):]).strip().split('<|im_end|>')[0]

print(chat('写一首诗介绍你自己'))

"""
输出：
翩翩古风舞，翩翩古风歌，
翩翩古风人，翩翩古风情。
"""

示例问题

类别	问题	回答
易藏	谦：亨，君子有终。谦者，有而不居之义。止乎内而顺乎外，谦之意也。这句话是什么意思？	这句话的意思是，谦虚是君子的一种美德，它表明一个人有才德而不居功，在内部保持谦虚，在外表上表现得谦恭。这种谦虚的品德是君子应该具备的。
	「谦谦君子」，卑以自牧也。把这句话翻译成英文	Modest gentleman, humble himself and keeps himself in order.
儒藏	学而时习之，不亦说乎？有朋自远方来，不亦乐乎？人不知，而不愠，不亦君子乎？为什么	这是一道哲学问题，其中包含着对学习、友谊和人际关系的思考。 学而时习之，是说要经常学习，不断进步。不亦说乎？表示学习是一件非常有趣的事情。有朋自远方来，是说有朋友从很远的地方来，是一件非常开心的事情。不亦乐乎？表示有朋友来是一件非常愉快的事情。 人不知，而不愠，是说即使别人不知道自己，也不应该感到愤怒。不亦君子乎？表示即使别人不知道自己，也不应该感到骄傲。 这句话的意思是，学习和友谊都是非常有价值的，我们应该珍惜它们，并努力去追求它们。同时，我们也应该保持谦虚和宽容，不要因为别人的不了解而感到愤怒或骄傲。
道藏	天之道，利而不害；圣人之道，为而不争。在生活中如何做到呢？	在生活中，我们可以通过以下方式做到利而不害、为而不争： 1. 保持谦虚：谦虚是一种美德，它可以让我们更好地与人相处，并避免争强好胜。 2. 尊重他人：尊重他人是利而不害、为而不争的重要体现。我们应该尊重他人的意见和想法，并尽力理解他们的处境。 3. 宽容：宽容是一种美德，它可以让我们更好地接纳和理解他人，并避免争强好胜。 4. 帮助他人：帮助他人是利而不害、为而不争的重要体现。我们应该尽力帮助他人，并尽力为他们提供帮助。 5. 保持冷静：保持冷静可以帮助我们更好地处理问题和矛盾，并避免争强好胜。 希望这些建议能帮助你更好地做到利而不害、为而不争。
佛藏	如下两首诗的观点有何异同？一：身如菩提树，心如明镜台，时时勤拂拭，勿使惹尘埃。二：菩提本无树，明镜亦非台。本来无一物，何处惹尘埃。	这两首诗的观点存在差异。第一首诗强调修行，认为修行需要保持心灵的纯净和清洁，而第二首诗则强调无物无我，认为修行不必追求外在的物质和形式。因此，两首诗的观点存在一定的差异。
子藏	鬼谷子中提到了哪些说服人的技巧	鬼谷子中提到了很多说服人的技巧，其中一些包括： 1. 激将法 2. 巧言令色 3. 虚实结合 4. 旁敲侧击 5. 借力打力 6. 激怒对方 7. 诱导对方 8. 转移话题 9. 暗示对方 10. 激怒对方
	孙子兵法中，为什么认为攻城是迫不得已的行为，更好的办法是什么？	孙子兵法中认为攻城是迫不得已的行为，是因为攻城需要大量的人力、物力、财力，并且攻城可能会导致大量的人员伤亡和财产损失。相比之下，攻城可能不是最佳选择。 更好的办法是采取其他策略，比如守城、围城、游击战等。这些策略可以更有效地保护城池，减少人员伤亡和财产损失。同时，也可以通过其他方式，比如谈判、协商等，来解决问题。
史藏	明史中，于谦为守护北京城，做出了哪些贡献？	明史中，于谦为守护北京城做出了许多贡献。他是一位著名的将领，在土木之变后，他率领军队保卫了北京城，并成功击退了瓦剌人的入侵。他还是一位著名的政治家，在正统年间，他担任了兵部尚书，并参与了许多重要的决策。此外，他还是一位著名的文学家，他的诗歌作品被广泛传颂。
	明史中，王守仁有哪些著名的行为	王守仁（1472年-1529年）是明代著名的思想家、政治家和军事家，他的思想和行为对后世产生了深远的影响。 王守仁最著名的行为之一是平定宸濠之乱。宸濠是明朝嘉靖皇帝的亲生儿子，嘉靖皇帝在位时，宸濠与嘉靖皇帝的妃子陈氏有私情。宸濠造反后，嘉靖皇帝派王守仁率领军队前去平叛。在平叛过程中，王守仁采取了一系列措施，包括围城、攻城、激战等，最终将宸濠平定。 此外，王守仁还曾担任过南京兵部尚书、右都御史等重要职务，并参与过平定云南、贵州等地的叛乱。王守仁的思想和行为对明代的政治、军事、文化等方面产生了深远的影响。
	三国志对诸葛亮的评价	三国志对诸葛亮的评价是：“亮博学多能，才兼文武，奇谋伟略，世之奇才也。”
诗藏	To be, or not to be- that is the question: Whether it's nobler in the mind to suffer， The slings and arrows of outrageous fortune， Or to take arms against a sea of troubles, And by opposing end them. To die- to sleep- No more; and by a sleep to say we end 根据上述内容，创作一首古诗	生死两难存天理， 命运不公遭折磨； 奋起反抗扫逆境， 力尽身亡永无忧
	作一篇赋来描述杜甫的才华	苍龙高飞兮九天之上， 巨鳌入海兮万国之乡。 金樽十里清风起， 玉笛一声山水长。 诗歌浩渺如烟云， 笔墨纵横似江涛。 少年壮志几时休， 人生离合犹如此。 他才是中国文学史上的神人！他的诗篇将永远流传于世！
集藏	三国演义中，诸葛亮有哪些智慧？	诸葛亮是三国时期著名的政治家、军事家、文学家，他的智慧和才能在三国演义中得到了广泛的描绘。诸葛亮的智慧主要体现在以下几个方面： 1. 战略眼光：诸葛亮在军事上非常有战略眼光，他能够预见未来可能发生的情况，并制定出相应的战略方案。 2. 洞察人心：诸葛亮能够洞察人心，了解人的心理和行为，并据此制定出相应的战略方案。 3. 韬光养晦：诸葛亮在面对敌人时，总是保持着低调，不轻易暴露自己的真实意图。 4. 随机应变：诸葛亮在面对不同的情况时，总是能够随机应变，制定出相应的战略方案。 总的来说，诸葛亮的智慧体现在他能够预见未来、洞察人心、韬光养晦、随机应变等方面，这些智慧帮助他成为了一个非常成功的战略家。
	西游记中，孙悟空的七十二变有哪些功能？	在《西游记》中，孙悟空的七十二变是一种幻术，可以让孙悟空变成各种不同的动物形态，包括人、动物、植物等。这些变身可以帮助孙悟空进行各种活动，例如战斗、逃跑、侦察、寻找食物等。此外，七十二变还可以帮助孙悟空隐藏自己的身份，以免被敌人发现。总的来说，七十二变是一种非常有用的幻术，可以帮助孙悟空在各种情况下生存下来。
医藏	本草纲目中有哪些药材	《本草纲目》是中国古代的一部药物学著作，记载了中国古代药材的种类、性状、功效、主治等内容。其中，有许多药材是中华传统医学中常用的药物，如人参、黄芪、当归、枸杞子、甘草、白术等。此外，书中还记载了许多其他药材，如菊花、山楂、木瓜、薄荷等。
艺藏	太极者，无极而生，动静之机，阴阳之母也。动之则分，静之则合。太极拳经中的这句话什么意思？	太极拳经中的这句话是太极拳的基本原理之一，意思是“太极”是由“无极”而生出来的，它包含着动静的两种状态，同时也代表着阴阳两种对立的元素。太极拳的练习需要通过动静结合的方式来达到阴阳平衡的状态，从而达到身体和心灵的和谐统一。

注：
生成参数：temperature=0.4, top_k=0, top_p=0.9, max_new_tokens=1000, do_sample=True
生成古诗的参数：temperature=0.7, top_k=0, repetition_penalty=1.2, max_new_tokens=1000, do_sample=True

缺陷：

虽然模型经历了大量数据的训练，但其输出结果可能包含不准确或存在偏见的情况。

Belle数据集的要求：
仅允许将此数据集及使用此数据集生成的衍生物用于研究目的，不得用于商业，以及其他会对社会带来危害的用途。 本数据集不代表任何一方的立场、利益或想法，无关任何团体的任何类型的主张。因使用本数据集带来的任何损害、纠纷，本项目不承担任何责任。