初始化项目，由ModelHub XC社区提供模型

Model: 3tic/Orion-Qwen3-1.7B-SFT-v2603
Source: Original Platform

README.md

@@ -0,0 +1,264 @@
+---
+license: apache-2.0
+language:
+- ja
+- zh
+base_model:
+- 3tic/Orion-Qwen3-1.7B-CPT-v2603
+pipeline_tag: text-generation
+tags:
+- lightnovel
+---
+# Orion-Qwen3-1.7B-SFT-v2603
+
+
+基于 [Orion-Qwen3-1.7B-CPT-v2603](https://huggingface.co/3tic/Orion-Qwen3-1.7B-CPT-v2603) 在轻小说、游戏、动漫文本数据上训练的翻译模型，支持术语表。
+
+* 本版模型优化了术语表使用和上下文关系处理
+
+
+## Prompt 结构
+
+```
+[上文]         ← 可选，每 chunk 不同
+[术语表]       ← 可选，同文档共享，仅包含当前 chunk 命中的术语
+[提示词]       ← 根据有无上文/术语表选择措辞
+[JSONL 内容]   ← 待翻译文本
+```
+
+---
+
+## 模板 1: plain（无术语表，无上文）
+
+### user
+
+```
+将以下文本翻译为简体中文，使用JSONLINE格式输出翻译结果，只需输出翻译结果，不要额外解释：
+{"1":"原文1"}
+{"2":"原文2"}
+```
+
+### assistant
+
+```
+{"1":"译文1"}
+{"2":"译文2"}
+```
+
+### 示例
+
+**user:**
+
+```
+将以下文本翻译为简体中文，使用JSONLINE格式输出翻译结果，只需输出翻译结果，不要额外解释：
+{"1":"まだなにか、話すべきことがあっただろうか。"}
+```
+
+**assistant:**
+
+```
+{"1":"还有什么，需要说的事情吗。"}
+```
+
+---
+
+## 模板 2: glossary（有术语表，无上文）
+
+### user
+
+```
+术语表：
+実体A→译名A
+実体B→译名B
+
+参考术语表中的译法，将以下文本翻译为简体中文，使用JSONLINE格式输出翻译结果，只需输出翻译结果：
+{"1":"原文1"}
+{"2":"原文2"}
+```
+
+### assistant
+
+```
+{"1":"译文1"}
+{"2":"译文2"}
+```
+
+### 示例
+
+**user:**
+
+```
+术语表：
+クトゥリフ→库托莉芙
+サーフェちゃん→莎妃
+ライム→莉姆
+
+参考术语表中的译法，将以下文本翻译为简体中文，使用JSONLINE格式输出翻译结果，只需输出翻译结果：
+{"1":"「思い出話をしましょう、と言っているのよ。私もグレンとは話せないし」"}
+{"2":"うにょん！ と楕円形に広がっていたライムが、あっという間に人の形に戻った。"}
+{"3":"「いいんデスか！ サーフェちゃん」"}
+```
+
+---
+
+## 模板 3: context（无术语表，有上文）
+
+### user
+
+```
+上文行1
+上文行2
+上文行3
+
+参考上文信息，将以下文本翻译为简体中文，使用JSONLINE格式输出翻译结果，只需输出翻译结果：
+{"1":"原文1"}
+{"2":"原文2"}
+```
+
+### assistant
+
+```
+{"1":"译文1"}
+{"2":"译文2"}
+```
+
+### 示例
+
+**user:**
+
+```
+「え……だっテ、グレンくんは教室でも浮いてましたシ……みんなと仲良くなれるきっかけになればと思ったんデス……」
+サーフェとしては。
+ライムがやったことは、サーフェの考えと似てはいても、もう少し先を見ていた。
+
+参考上文信息，将以下文本翻译为简体中文，使用JSONLINE格式输出翻译结果，只需输出翻译结果：
+{"1":"「医学部学生ではあるけど、身体の悩みを聞きます……というのは評判になりましたね」"}
+{"2":"「エヘヘ！ 噂を流した甲斐がありましター！」"}
+{"3":"「それも貴女の仕業だったのね」"}
+```
+
+---
+
+## 模板 4: glossary_context（有术语表，有上文）
+
+### user
+
+```
+上文行1
+上文行2
+上文行3
+
+术语表：
+実体A→译名A
+実体B→译名B
+
+参考上文和术语表，将以下文本翻译为简体中文，使用JSONLINE格式输出翻译结果，只需输出翻译结果：
+{"1":"原文1"}
+{"2":"原文2"}
+```
+
+### assistant
+
+```
+{"1":"译文1"}
+{"2":"译文2"}
+```
+
+### 示例
+
+**user:**
+
+```
+アカデミーは多数の学部に分かれ、大陸各地から有能な学者が招聘された。
+ある日、アカデミーに一人の少年が留学した。
+新入生の名はグレン・リトバイト。
+
+术语表：
+クトゥリフ→库托莉芙
+グレン・リトバイト→格伦·利特贝特
+ネメア→涅米亚
+ネメア・アカデミー→涅米亚·学院
+
+参考上文和术语表，将以下文本翻译为简体中文，使用JSONLINE格式输出翻译结果，只需输出翻译结果：
+{"1":"ネメア・アカデミー。"}
+{"2":"魔族領首都ネメア。その大都市が誇る、最大の教育機関。"}
+{"3":"名前はグレン。"}
+{"4":"手にしているのは、教授であるクトゥリフからの通知である。"}
+```
+
+---
+
+## Transformers 推理示例
+
+```python
+import torch
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+model_path = "3tic/Orion-Qwen3-1.7B-CPT-v2603"
+
+tokenizer = AutoTokenizer.from_pretrained(
+    model_path,
+    trust_remote_code=True,
+    padding_side="left",
+)
+if tokenizer.pad_token is None:
+    tokenizer.pad_token = tokenizer.eos_token
+
+model = AutoModelForCausalLM.from_pretrained(
+    model_path,
+    trust_remote_code=True,
+    torch_dtype=torch.bfloat16,
+    device_map="auto",
+)
+
+prompt = (
+    "将以下文本翻译为简体中文，使用JSONLINE格式输出翻译结果，只需输出翻译结果，不要额外解释：\n"
+    '{"1": "おはようございます"}\n'
+)
+
+text = tokenizer.apply_chat_template(
+    [{"role": "user", "content": prompt}],
+    tokenize=False,
+    add_generation_prompt=True,
+)
+
+inputs = tokenizer(text, return_tensors="pt").to(model.device)
+
+outputs = model.generate(
+    **inputs,
+    max_new_tokens=128,
+    do_sample=False,
+    temperature=1.0,
+    pad_token_id=tokenizer.pad_token_id,
+)
+
+generated_ids = outputs[0][inputs["input_ids"].shape[-1]:]
+response = tokenizer.decode(generated_ids, skip_special_tokens=True)
+print(response)
+```
+
+
+## vLLM 推理示例
+
+
+```python
+from vllm import LLM, SamplingParams
+
+model_path = "3tic/Orion-Qwen3-1.7B-CPT-v2603"
+
+llm = LLM(model=model_path, tensor_parallel_size=1, max_model_len=1024)
+
+prompt = (
+    "将以下文本翻译为简体中文，使用JSONLINE格式输出翻译结果，只需输出翻译结果，不要额外解释：\n"
+    '{"1": "おはようございます"}\n'
+)
+
+outputs = llm.chat(
+    messages=[[{"role": "user", "content": prompt}]],
+    sampling_params=SamplingParams(max_tokens=128, temperature=0.0),
+)
+
+print(outputs[0].outputs[0].text)
+```
+
+