Instructions to use suyuan37/SafetyRAISE-TS-Qwen3 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use suyuan37/SafetyRAISE-TS-Qwen3 with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="suyuan37/SafetyRAISE-TS-Qwen3")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("suyuan37/SafetyRAISE-TS-Qwen3")
model = AutoModelForCausalLM.from_pretrained("suyuan37/SafetyRAISE-TS-Qwen3")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use suyuan37/SafetyRAISE-TS-Qwen3 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "suyuan37/SafetyRAISE-TS-Qwen3"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "suyuan37/SafetyRAISE-TS-Qwen3",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/suyuan37/SafetyRAISE-TS-Qwen3

SGLang

How to use suyuan37/SafetyRAISE-TS-Qwen3 with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "suyuan37/SafetyRAISE-TS-Qwen3" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "suyuan37/SafetyRAISE-TS-Qwen3",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "suyuan37/SafetyRAISE-TS-Qwen3" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "suyuan37/SafetyRAISE-TS-Qwen3",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use suyuan37/SafetyRAISE-TS-Qwen3 with Docker Model Runner:
```
docker model run hf.co/suyuan37/SafetyRAISE-TS-Qwen3
```

SafetyRAISE-TS-Qwen3

SafetyRAISE-TS-Qwen3 是一个面向道路交通事故分析场景的中文专家模型，主要用于生成事故指导意见、辅助梳理事故事实、归纳责任分析要点，并为检索增强报告链路提供前置专家意见。

本模型服务于 SafetyRAISE 道路交通事故分析报告生成系统，定位是“事故分析辅助专家模型”，不是通用聊天模型。

模型定位

本模型主要承担以下任务：

根据事故图片、视频分析后的结构化信息生成专家指导意见
提炼事故分析中需要进一步核实的关键点
为后续知识检索和报告生成提供中间指导信息

本模型不直接替代人工事故认定，也不应被视为最终法律结论。

适用场景

适合：

道路交通事故辅助分析
事故责任分析前置梳理
事故报告生成流程中的专家意见草稿生成

不适合：

通用闲聊
无交通事故上下文的开放式问答
直接输出最终法律裁决结论

基座模型

当前发布配置按 Qwen/Qwen3-4B 标注。
从导出目录中的 config.json 看，hidden_size=2560、num_hidden_layers=36，与公开的 Qwen/Qwen3-4B 配置一致。

输入与输出

典型输入包括：

结构化事故字段
事故过程描述
车辆、道路、人员、违法行为等事实要素

典型输出包括：

需要重点核实的事实点
可供责任分析参考的专家指导意见
面向后续知识检索的分析要点

Transformers 使用示例

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "suyuan37/SafetyRAISE-TS-Qwen3"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype="auto", device_map="auto")

仓库文件说明

本仓库当前按 Transformers 分片权重格式发布。普通用户不需要手动只下载某一个权重分片，推荐通过 transformers、huggingface_hub 或 hf download 下载完整仓库。

文件	说明
`model-00001-of-00002.safetensors`	模型权重分片 1
`model-00002-of-00002.safetensors`	模型权重分片 2
`model.safetensors.index.json`	分片权重索引，加载模型时需要
`config.json`	模型结构配置
`generation_config.json`	生成参数配置
`tokenizer.json`	Tokenizer 主文件
`tokenizer_config.json`	Tokenizer 配置
`special_tokens_map.json`	特殊 token 映射
`added_tokens.json`	额外 token
`vocab.json`、`merges.txt`	BPE 词表与合并规则
`chat_template.jinja`	Chat template
`Modelfile`	Ollama / Modelfile 风格运行配置参考
`README.md`	模型卡片

完整下载示例：

hf download suyuan37/SafetyRAISE-TS-Qwen3 --local-dir SafetyRAISE-TS-Qwen3

训练数据集文件建议：

数据集文件	用途	建议
`ts-sft.parquet`	SFT 训练主文件	首选
`ts-dpo.parquet`	DPO / 偏好优化主文件	首选
`ts-sft.jsonl`、`ts-dpo.jsonl`	JSONL 兼容格式	需要行式 JSON 管线时使用
`ts-sft.json`、`ts-dpo.json`	原始 JSON 数组格式	归档与兼容用途

在 SafetyRAISE 中接入

如果你用 vLLM、LM Studio、SGLang 或其他兼容 OpenAI Chat Completions 的服务加载本模型，建议：

模型名填 suyuan37/SafetyRAISE-TS-Qwen3，或填你服务端映射后的别名
服务地址填到 EXPERT_LOCAL_BASE_URL
在 SafetyRAISE 的 workflow.yaml 或环境变量中完成接入

限制说明

模型输出会受到输入事实完整性影响
对缺失事实、模糊表述和材料冲突较敏感
不应脱离检索增强和人工复核单独使用

许可

本模型仓库使用 Apache-2.0 许可发布。
使用时还应同时遵守基座模型及相关依赖的许可要求。

Downloads last month: 175

Safetensors

Model size

4B params

Tensor type

F16

Model tree for suyuan37/SafetyRAISE-TS-Qwen3

Base model

Qwen/Qwen3-4B-Base

Finetuned

Qwen/Qwen3-4B