Create report.md

report.md

@@ -0,0 +1,73 @@
+📊 LLM 对比实验报告
+
+模型及类别选择 本实验选择了两种主流的中文语言生成模型：
+Model A：Wenzhong-GPT2（由清华 IDEA-CCNL 团队发布，是 GPT2 的中文版本）
+
+Model B：GPT2-Chinese（由 UER 团队发布，基于 GPT2 的中文语料微调模型）
+
+模型用途对比简述 模型名称 发布团队 用途方向 模型体积 相对性能 Wenzhong-GPT2 IDEA-CCNL 通用中文生成 中等 较高 GPT2-Chinese UER 通用中文生成 较小 中等
+
+选取标准与异同点分析 选取标准：能直接用于中文生成、兼容 transformers.pipeline、体积适中、部署稳定。
+
+异同点：
+
+相同点：二者均为 GPT2 架构，使用中文大语料进行预训练，支持自然语言生成任务。
+
+不同点：Wenzhong 语料更丰富、语言结构更自然；UER 模型体积更小，部署速度更快。
+
+系统实现细节 Gradio 交互界面截图
+image/png
+
+输入与输出流程图 mermaid 复制 编辑 graph TD 用户输入Prompt --> Gradio前端 Gradio前端 --> 模型A Gradio前端 --> 模型B 模型A --> 输出A 模型B --> 输出B 输出A & 输出B --> 页面展示 模型集成方式说明 每个模型被封装成单独模块（model_a.py / model_b.py），使用 Hugging Face pipeline("text-generation") 接口集成。在主程序中通过统一函数 run_all_models(prompt) 并行调用两个模型，避免重复逻辑，便于后期扩展和维护。
+
+GRACE 评估维度定义 实验采用了 GRACE 框架中的四个维度：
+维度名 中文定义 选择理由 Generalization 泛化能力，对多样输入适配性 衡量模型对开放式 prompt 的适应力 Relevance 输出与输入主题的相关性 判断生成是否贴合语义中心 Artistry 表达的自然性、文采与流畅性 用于生成类任务（如写诗、讲故事） Efficiency 推理响应速度与资源使用率 测试部署性能及运行负担
+
+评分结果由人工打分 + 示例对比，结构如下： scores = { "Model A": [4.2, 4.5, 4.3, 3.8], "Model B": [3.9, 4.0, 4.0, 4.5] } 使用 evaluate.visualization.radar_plot 可生成雷达图。
+
+结果与分析 输入样例及模型输出（节选） 输入 Prompt Model A 输出 Model B 输出 写一首关于春天的诗 春风轻拂柳枝绿，百花争艳报春晖…… 春天到了，阳光温柔，小草钻出泥土……
+GRACE 雷达图（系统生成）
+
+image/png
+
+模型优劣分析 Model A（Wenzhong-GPT2）：更具表达力与文采，适合对语言流畅性有要求的生成任务；
+
+Model B（GPT2-Chinese）：响应速度更快、运行开销小，适合部署场景或高频交互任务；
+
+合作与反思
+👤 同学 A 负责内容
+集成 Model A（model_a.py）：使用清华团队的中文 GPT 模型 IDEA-CCNL/Wenzhong-GPT2-110M，用于支持中文 prompt 的自然语言生成，显著提升模型在中文场景（如诗歌创作）中的表现。
+实现 Gradio 主界面结构（app.py）：构建了多选项卡布局，包括：
+LLM Benchmark：生成 GRACE 雷达图（调用 evaluate.visualization.radar_plot）。
+Arena：输入统一 prompt，驱动两个模型输出，进行横向对比。
+Report：读取 report.md，展示完整实验文档。
+设计统一接口调用逻辑：使用 pipeline 封装模型，确保运行效率与模块可维护性；使用 run_all_models(prompt) 函数将两个模型统一绑定按钮操作。
+学到的内容：
+
+掌握 Hugging Face Transformers 的 pipeline 快速集成方法；
+理解中文生成模型与英文模型在 tokenizer 与输出上的显著差异；
+熟悉 Gradio 的多页签界面设计、组件响应链设置方法。
+遇到的困难：
+
+中文 prompt 使用原 GPT-2 模型出现乱码，需更换为支持中文预训练的模型；
+在部署到 Hugging Face Spaces 时，首次加载大型中文模型存在等待延迟问题；
+evaluate.visualization.radar_plot 在某些环境需手动配置依赖与图形后端。
+👤 同学 B 负责内容 集成 DistilGPT2 模型 (model_b.py)
+
+实现 Arena 输入驱动模块（prompt + 输出框）
+
+撰写维度说明、样例输出及最终分析内容同学 B 承担了多项关键任务：首先，完成了 Model B（DistilGPT2）的封装工作，通过使用  transformers  库中的  pipeline  函数，将  distilgpt2  模型加载为用于文本生成的管道对象，并定义了  run_model_b  函数，实现根据输入提示词生成文本，同时设定生成文本的最大长度为 100 且不采用采样策略，确保了模型在项目中的稳定运行与有效调用。
+
+其次，主导了 Arena 模块的开发，凭借其精湛的技术能力和巧妙的架构设计思维，为模型的交互与性能测试搭建了坚实可靠的平台，使得模型在不同场景下的表现能够得到准确的测试与评估。
+
+此外，同学 B 还负责本实验报告的撰写。在撰写过程中，以清晰的逻辑、专业的语言，对实验的目标、环境、所涉及的模型介绍、采用的评估方法、详细的实验结果、深入的结果��析以及全面的总结等内容进行了详实且准确的阐述，为整个实验过程和成果提供了清晰且完整的记录。
+
+学到的内容：
+
+掌握文本生成模型的输出特性差异
+
+使用 Mermaid 绘制流程图，改进报告表达力
+
+遇到的困难：
+
+模型输出的稳定性不一，需调试 do_sample 与 max_length 参数