Qwen 2.5 7B Reasoning

🚀 Qwen-2.5-7B-Reasoning（由HyperX-Sen微调）

本模型是基于Qwen/Qwen2.5-7B-Instruct微调而来，专门针对高级推理任务进行了优化。它在OpenAI GSM8K数据集上进行了微调，显著提升了多步推理和问题解决能力。

🚀 快速开始

本模型是Qwen/Qwen2.5-7B-Instruct的微调版本，专门针对高级推理任务进行了优化。在OpenAI GSM8K数据集上微调后，它极大地增强了多步推理和解决问题的能力。

✨ 主要特性

• 基于强大的Qwen/Qwen2.5-7B-Instruct模型进行微调。
• 在GSM8K数据集上微调后，在数学推理、逐步逻辑推导、常识推理和解决文字问题等方面表现出色。
• 适用于需要高级推理的应用场景，如AI辅导、研究辅助和问题解决型AI智能体。

🔧 技术细节

• 基础模型：Qwen/Qwen2.5-7B-Instruct
• 微调者：HyperX-Sen
• 数据集：GSM8K（小学算术8K）
• 硬件：2× Tesla T4 GPU
• 目标：提高复杂推理和逻辑演绎能力

📈 性能提升

通过在GSM8K数据集上的微调，模型在以下方面得到了提升：

• 数学推理
• 逐步逻辑推导
• 常识推理
• 文字问题解决

这使得该模型非常适合需要高级推理的应用，如AI辅导、研究辅助和问题解决型AI智能体。

💻 使用示例

基础用法

from transformers import AutoModelForCausalLM, AutoTokenizer

# Load the model and tokenizer
model_name = "HyperX-Sen/Qwen-2.5-7B-Reasoning"
model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype="auto", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained(model_name)

SYSTEM_PROMPT = """
Respond in the following format:
<reasoning>
...
</reasoning>
<answer>
...
</answer>
"""

# Define the conversation
messages = [
    {"role": "system", "content": f"{SYSTEM_PROMPT}"},
    {"role": "user", "content": "What are the potential impacts of artificial intelligence on employment?"}
]

# Format the chat input
input_text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)

# Tokenize the formatted input
inputs = tokenizer(input_text, return_tensors="pt").to(model.device)

# Generate the response
output = model.generate(**inputs, max_length=512, do_sample=True, temperature=0.7)

# Decode and display the response
response = tokenizer.decode(output[0], skip_special_tokens=True)
print(response)

📄 许可证

本模型采用MIT许可证。