Qwen-WisdomVast

<p align="center"> <a href='https://huggingface.co/spaces/zhichen'> <img src='./images/logo.png'> </a> </p> <div align="center"> <p align="center"> <h3> Qwen-WisdomVast (千问-智瀚)</h3> <p align="center"> <a href='https://huggingface.co/zhichen'> <img src='https://img.shields.io/badge/%F0%9F%A4%97%20HuggingFace-Qwen%20WisdomVast-yellow'> </a> <a href='https://modelscope.cn/profile/seanzhang'> <img src='https://img.shields.io/badge/🤖 ModelScope-Qwen%20WisdomVast-blue'> </a> <br> <a href=href="https://github.com/seanzhang-zhichen/Qwen-WisdomVast/stargazers"> <img src="https://img.shields.io/github/stars/seanzhang-zhichen/Qwen-WisdomVast?color=ccf"> </a> <a href="https://github.com/seanzhang-zhichen/Qwen-WisdomVast/blob/main/LICENSE"> <img alt="GitHub Contributors" src="https://img.shields.io/badge/license-Apache%202.0-blue.svg" /> </a> </p> </div>

介绍

Qwen-WisdomVast是以Qwen1.5-7B为底座，使用 DORA + LORA+ 的训练方法，在100w高质量中文多轮SFT数据 + 20w英文多轮SFT数据 + 2000单轮自我认知数据训练而来的大模型，数学能力相比Qwen1.5-7B-Chat提升了5.16%，在HumanEval数据集上相比Qwen1.5-7B-Chat提升了12.8，在MBPP数据集上提升了11.6%，在BBH数据集上 提升了12.44% ，全部评测表现见下表。

Github：https://github.com/seanzhang-zhichen/Qwen-WisdomVast

评测表现

说明：

由于官方并未公布Qwen1.5-7B-Chat的评测表现，所以我们自己使用opencompass测试得到以上结果

Qwen-WisdomVast使用和Qwen1.5-7B-Chat一样的参数进行测试

模型下载

合并LORA模型（可跳过）

1、下载 Qwen1.5-7B

git clone https://www.modelscope.cn/qwen/Qwen1.5-7B.git

2、下载Qwen-WisdomVast-Lora

From ModelScope

git lfs install
git clone https://www.modelscope.cn/seanzhang/Qwen-WisdomVast-Lora.git

From HuggingFace

git lfs install
git clone https://huggingface.co/zhichen/Qwen-WisdomVast-Lora

3、合并模型

python merge_lora.py \
    --base_model path/to/qwen/Qwen1.5-7B \
    --lora_model path/to/lora/Qwen-WisdomVast-Lora \
    --output_dir ./Qwen-WisdomVast

下载 Qwen-WisdomVast（合并好的模型）

From ModelScope

git lfs install
git clone https://www.modelscope.cn/seanzhang/Qwen-WisdomVast.git

From HuggingFace

git lfs install
git clone https://huggingface.co/zhichen/Qwen-WisdomVast

命令行推理

python cli_demo.py  --model_path ./Qwen-WisdomVast(换成你自己的合并后的模型路径)

web 推理

python web_demo.py  --model_path ./Qwen-WisdomVast(换成你自己的合并后的模型路径)

vllm web 推理

1、使用vllm部署模型

python -m vllm.entrypoints.openai.api_server --served-model-name Qwen-WisdomVast --model ./Qwen-WisdomVast(换成你自己的合并后的模型路径)

2、在命令行执行

python vllm_web_demo.py --model Qwen-WisdomVast 

复现测试结果

1、使用vllm部署openai api server

部署命令:

python -m vllm.entrypoints.openai.api_server --served-model-name Qwen-WisdomVast --model ./Qwen-WisdomVast(换成你自己的合并后的模型路径)

2、使用opencompass框架进行测试

参考：使用opencompass验证模型效果

按照以上文章修改好后，将eval_qwen_wisdomvast.py文件到 opencompass/configs文件夹下

3、执行测试脚本

python run.py configs/eval_qwen_wisdomvast.py  -w outputs/Qwen-WisdomVast

LICENSE

本项目仅可应用于研究目的，项目开发者不承担任何因使用本项目（包含但不限于数据、模型、代码等）导致的危害或损失。详细请参考免责声明。

Qwen-WisdomVast项目代码的授权协议为 The Apache License 2.0，代码可免费用做商业用途，模型权重和数据只能用于研究目的。请在产品说明中附加Qwen-WisdomVast的链接和授权协议。

Citation

如果你在研究中使用了Qwen-WisdomVast，请按如下格式引用：

@misc{Qwen-WisdomVast,
  title={Qwen-WisdomVast},
  author={Zhichen Zhang, Weihan Huang},
  year={2024},
  howpublished={\url{https://github.com/seanzhang-zhichen/Qwen-WisdomVast}},
}

Acknowledgement

QwenLM/Qwen1.5 <br> hiyouga/LLaMA-Factory <br> shibing624/MedicalGPT <br> modelscope/swift

Star History