白泽中医药大语言模型 V3 - 16bit
0
3 commits
1 linked in READMEs
updated Oct 8, 2025
Baize-Traditional-Chinese-Medicine-Large-Language-Model-V3-16bit
🩺 **领域专用 | 中医药智能问答 **
🐉 “白泽”取自中国古代通晓万物的神兽,寓意“通晓中医,智启未来”。本模型致力于推动中医药知识的智能化传承。
Baize-TCM-LLM-V3 是一个专为中医药领域设计的大语言模型,基于通用大模型在 157,438 条高质量中医问答语料 上进行指令微调(Supervised Fine-Tuning)。
该模型适用于:
| 项目 | 说明 |
|---|---|
| 基础模型 | Qwen3-8B |
| 微调数据 | Baize-TCM-Corpus-for-Large-Language-Models-V3 |
| 参数量 | ~8B |
| 量化方式 | 未量化 |
| 量化工具 | |
| 上下文长度 | 2048 tokens |
| 训练方式 | LoRA |
transformers 加载(推荐)from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
# 模型名称
model_name = "your-username/Baize-Traditional-Chinese-Medicine-Large-Language-Model-V3-16bit"
# 加载 tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
# 加载模型,使用 float16(16-bit)半精度,不进行量化
model = AutoModelForCausalLM.from_pretrained(
model_name,
torch_dtype=torch.float16, # 使用 float16
device_map="auto", # 自动分配 GPU 显存
trust_remote_code=True # 支持自定义模型代码
)
# 推理
prompt = "问题:气虚的主要症状有哪些?\n答案:"
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(
**inputs,
max_new_tokens=200,
temperature=0.7,
do_sample=True
)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
3 commits
白泽中医药大语言模型 V3 - 16bit
0
3 commits
1 linked in READMEs
updated Oct 8, 2025
Baize-Traditional-Chinese-Medicine-Large-Language-Model-V3-16bit
🩺 **领域专用 | 中医药智能问答 **
🐉 “白泽”取自中国古代通晓万物的神兽,寓意“通晓中医,智启未来”。本模型致力于推动中医药知识的智能化传承。
Baize-TCM-LLM-V3 是一个专为中医药领域设计的大语言模型,基于通用大模型在 157,438 条高质量中医问答语料 上进行指令微调(Supervised Fine-Tuning)。
该模型适用于:
| 项目 | 说明 |
|---|---|
| 基础模型 | Qwen3-8B |
| 微调数据 | Baize-TCM-Corpus-for-Large-Language-Models-V3 |
| 参数量 | ~8B |
| 量化方式 | 未量化 |
| 量化工具 | |
| 上下文长度 | 2048 tokens |
| 训练方式 | LoRA |
transformers 加载(推荐)from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
# 模型名称
model_name = "your-username/Baize-Traditional-Chinese-Medicine-Large-Language-Model-V3-16bit"
# 加载 tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
# 加载模型,使用 float16(16-bit)半精度,不进行量化
model = AutoModelForCausalLM.from_pretrained(
model_name,
torch_dtype=torch.float16, # 使用 float16
device_map="auto", # 自动分配 GPU 显存
trust_remote_code=True # 支持自定义模型代码
)
# 推理
prompt = "问题:气虚的主要症状有哪些?\n答案:"
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(
**inputs,
max_new_tokens=200,
temperature=0.7,
do_sample=True
)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
3 commits