A1 Science Stackexchange Physics 3k

🚀 a1_science_stackexchange_physics_3k

本模型是基於 Qwen/Qwen2.5-7B-Instruct 在 mlfoundations-dev/a1_science_stackexchange_physics_3k 數據集上進行微調的版本。

🚀 快速開始

文檔未提供快速開始相關內容，可根據實際情況補充如何使用該模型的步驟。

✨ 主要特性

文檔未提供主要特性相關內容，可補充該模型相較於基礎模型的優勢、獨特功能等。

📦 安裝指南

文檔未提供安裝指南相關內容，可補充安裝該模型所需依賴庫的步驟，例如：

pip install transformers datasets torch tokenizers

💻 使用示例

文檔未提供使用示例相關內容，可補充調用該模型進行推理的代碼示例，例如：

from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("a1_science_stackexchange_physics_3k")
model = AutoModelForCausalLM.from_pretrained("a1_science_stackexchange_physics_3k")

input_text = "你的輸入文本"
input_ids = tokenizer(input_text, return_tensors="pt").input_ids
output = model.generate(input_ids)
output_text = tokenizer.decode(output[0], skip_special_tokens=True)
print(output_text)

📚 詳細文檔

模型描述

更多信息待補充。

預期用途與限制

更多信息待補充。

訓練和評估數據

更多信息待補充。

🔧 技術細節

訓練超參數

訓練期間使用了以下超參數：

• 學習率（learning_rate）：2e-05
• 訓練批次大小（train_batch_size）：1
• 評估批次大小（eval_batch_size）：8
• 隨機種子（seed）：42
• 分佈式類型（distributed_type）：多GPU
• 設備數量（num_devices）：4
• 梯度累積步數（gradient_accumulation_steps）：24
• 總訓練批次大小（total_train_batch_size）：96
• 總評估批次大小（total_eval_batch_size）：32
• 優化器（optimizer）：使用 adamw_torch，其中 betas=(0.9, 0.999)，epsilon=1e-08，無額外優化器參數
• 學習率調度器類型（lr_scheduler_type）：餘弦
• 學習率調度器熱身比例（lr_scheduler_warmup_ratio）：0.1
• 訓練輪數（num_epochs）：7.0

訓練結果

文檔未提供訓練結果相關內容，可補充訓練過程中的損失值、評估指標等信息。

框架版本

• Transformers 4.46.1
• Pytorch 2.6.0+cu124
• Datasets 3.1.0
• Tokenizers 0.20.3

📄 許可證

本模型採用 Apache-2.0 許可證。

模型信息表格