Ophiuchi Qwen3 14B Instruct

🚀 Ophiuchi-Qwen3-14B-Instruct

Ophiuchi-Qwen3-14B-Instruct基於Qwen3-14B架構，採用Qwen3ForCausalLM主幹。它經過指令調優，以增強在數學推理、代碼生成和事實準確性方面的能力。通過利用高質量數據集和長上下文架構，該模型旨在出色地解決複雜的推理任務，並在多個領域生成準確、結構化的內容。

🚀 快速開始

使用Transformers庫快速上手

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "prithivMLmods/Ophiuchi-Qwen3-14B-Instruct"

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

prompt = "Explain the principles of alignment in large language models."

messages = [
    {"role": "system", "content": "You are a highly capable assistant focused on reasoning, coding, and factual precision."},
    {"role": "user", "content": prompt}
]

text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)

model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

✨ 主要特性

1. 數學和邏輯推理：經過微調，可進行逐步推理、符號邏輯和高等數學運算，支持教育和技術應用場景。
2. 代碼生成與理解：針對編寫、解釋和調試各種編程語言（包括Python、JavaScript和C++）的代碼進行了優化。
3. 事實完整性和精確性：在經過精心策劃和對齊的數據集上進行訓練，以提高基於事實任務的準確性並減少幻覺。
4. 長上下文支持：能夠處理最多128K個輸入令牌，並生成最多8K個輸出令牌，從而能夠在長序列上提供詳細而全面的響應。
5. 指令調優對齊：表現出強大的遵循多步驟指令、維護對話上下文以及在多個會話中生成結構化輸出的能力。
6. 多語言能力：支持包括英語、中文、法語、西班牙語、阿拉伯語、俄語、日語、韓語等在內的29種以上語言，可實現全球通信和翻譯任務。

📚 詳細文檔

預期用途

• 解決數學和符號問題
• 代碼生成與解釋
• 以JSON、Markdown或表格格式生成結構化響應
• 長篇技術寫作和文檔編寫
• 事實問答和事實核查
• 跨STEM領域的教育輔助
• 多語言對話和翻譯任務

侷限性

• 計算要求高（建議使用A100/H100級GPU）
• 在邊緣情況或對抗性輸入下仍可能產生虛假事實
• 對結構不佳或模糊的提示敏感
• 早期錯誤可能在長輸出中傳播
• 不太適合創意小說或主觀敘事任務

參考資料

1. Analysing Mathematical Reasoning Abilities of Neural Models. arXiv:1904.01557. https://arxiv.org/pdf/1904.01557
2. YaRN: Efficient Context Window Extension of Large Language Models. arXiv:2309.00071. https://arxiv.org/pdf/2309.00071

📄 許可證

本項目採用Apache-2.0許可證。

模型信息