Update README.md

README.md

@@ -1,71 +1,81 @@
-# qwen2.5-law-summary
-
-## 模型概述
-模型名称：qwen2.5-law-summary  
-模型类型：指令微调版本  
-基础模型：qwen2.5系列，参数量为0.5B  
-训练数据：3400余条法律判决书数据  
-数据来源：法研杯2020年法律文书摘要大赛  
-
-## 训练细节
-- **训练任务**：采用最大似然估计与对比排序学习的多任务算法。
-- **损失函数**：
-  - `loss_likelihood`与`loss_contrast`的比例基本保持在9:1至8:2之间。
-- **排序对比数据**：从原训练集中采样。
-- **生成样本对数据集以进行排序**：使用双底座模型qwen-plus及ENIRE-128K生成。
-- **排序评估**：使用传统的ROUGE-F，计算`ROUGE_1`、`ROUGE_2`、`ROUGE_L`的平均值进行排序。
-
-## 训练硬件配置
-- **硬件环境**：H20-96G
-- **训练轮次**：共训练4轮
-- **补充说明**：
-  - 采用flash-attention与deepspeed以适应长序列数据和对比损失带来的额外显存需求。
-
-## 模型性能
-模型训练完成后的回答风格与原模型存在明显差异，更偏好业内人员书写风格。使用方法与原模型相同，但提示词需稍作修改以与训练指令对齐。
-```python
-from transformers import AutoModelForCausalLM, AutoTokenizer
-model_name = "jiangchengchengNLP/qwen_0.5B_instruct_law_summarize"
-model = AutoModelForCausalLM.from_pretrained(
-    model_name,
-    torch_dtype="auto",
-    device_map="auto",
-)
-tokenizer = AutoTokenizer.from_pretrained(model_name)
-with open("河北宁晋农村商业银行股份有限公司小刘村支行与杨保会、杨立田等借款合同纠纷一审民事判决书.txt", "r", encoding="utf-8") as f:
-    prompt = f.read()
-messages = [
-    {"role": "system", "content": "你是法律小助手，你的任务是将用户输入的内容整理成一份摘要"},
-    {"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)
-
-
-原被告系借款合同关系。原告提出诉求：1、请求法院依法判令被告偿还借款本金2000元及利息4912.6元；2、本案诉讼费用由被告承担。经审理查明，双方签订的借款合同和保证担保借款合同合法有效，被告未按约定偿还原告借款本息，应负违约责任。依据《中华人民共和国合同法》第八条、第六十条、第二百零五条、第二百零六条、二百零七条，《中华人民共和国担保法》第十八条、第二十一条以及《中华人民共和国民事诉讼法》第一百四十四条之规定，判决：1、被告偿还借款本息24912.6元；2、被告承担连带清偿责任。
-
-```
-
-## 测试效果
-在200条测试数据集上的ROUGE评分如下：
-- `ROUGE_1`：0.5703008654122925  
-- `ROUGE_2`：0.4040075748793321
-- `ROUGE_L`：0.4040075748793321
-
-
-
-## 总结
+---
+license: apache-2.0
+metrics:
+- rouge
+base_model:
+- Qwen/Qwen2.5-0.5B
+pipeline_tag: text2text-generation
+tags:
+- law
+---
+# qwen2.5-law-summary
+
+## 模型概述
+模型名称：qwen2.5-law-summary  
+模型类型：指令微调版本  
+基础模型：qwen2.5系列，参数量为0.5B  
+训练数据：3400余条法律判决书数据  
+数据来源：法研杯2020年法律文书摘要大赛  
+
+## 训练细节
+- **训练任务**：采用最大似然估计与对比排序学习的多任务算法。
+- **损失函数**：
+  - `loss_likelihood`与`loss_contrast`的比例基本保持在9:1至8:2之间。
+- **排序对比数据**：从原训练集中采样。
+- **生成样本对数据集以进行排序**：使用双底座模型qwen-plus及ENIRE-128K生成。
+- **排序评估**：使用传统的ROUGE-F，计算`ROUGE_1`、`ROUGE_2`、`ROUGE_L`的平均值进行排序。
+
+## 训练硬件配置
+- **硬件环境**：H20-96G
+- **训练轮次**：共训练4轮
+- **补充说明**：
+  - 采用flash-attention与deepspeed以适应长序列数据和对比损失带来的额外显存需求。
+
+## 模型性能
+模型训练完成后的回答风格与原模型存在明显差异，更偏好业内人员书写风格。使用方法与原模型相同，但提示词需稍作修改以与训练指令对齐。
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+model_name = "jiangchengchengNLP/qwen_0.5B_instruct_law_summarize"
+model = AutoModelForCausalLM.from_pretrained(
+    model_name,
+    torch_dtype="auto",
+    device_map="auto",
+)
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+with open("河北宁晋农村商业银行股份有限公司小刘村支行与杨保会、杨立田等借款合同��纷一审民事判决书.txt", "r", encoding="utf-8") as f:
+    prompt = f.read()
+messages = [
+    {"role": "system", "content": "你是法律小助手，你的任务是将用户输入的内容整理成一份摘要"},
+    {"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)
+
+
+原被告系借款合同关系。原告提出诉求：1、请求法院依法判令被告偿还借款本金2000元及利息4912.6元；2、本案诉讼费用由被告承担。经审理查明，双方签订的借款合同和保证担保借款合同合法有效，被告未按约定偿还原告借款本息，应负违约责任。依据《中华人民共和国合同法》第八条、第六十条、第二百零五条、第二百零六条、二百零七条，《中华人民共和国担保法》第十八条、第二十一条以及《中华人民共和国民事诉讼法》第一百四十四条之规定，判决：1、被告偿还借款本息24912.6元；2、被告承担连带清偿责任。
+
+```
+
+## 测试效果
+在200条测试数据集上的ROUGE评分如下：
+- `ROUGE_1`：0.5703008654122925  
+- `ROUGE_2`：0.4040075748793321
+- `ROUGE_L`：0.4040075748793321
+
+
+
+## 总结
 qwen2.5-law-summary模型针对法律文本的摘要生成进行了优化训练，适用于法律领域的研究与应用。通过高效的训练策略与强大的硬件支持，模型在性能上有了显著提升。