Files
ModelHub XC 1bd4836ef0 初始化项目,由ModelHub XC社区提供模型
Model: JavaFamily/corvus-gov-3B
Source: Original Platform
2026-11-11 16:36:12 +08:00

4.0 KiB
Raw Permalink Blame History

license, tags, tasks, model_type, base_model, base_model_relation, language, metrics
license tags tasks model_type base_model base_model_relation language metrics
Apache License 2.0
政衡
政企大模型
政务 AI 大模型
JavaFamily
微调
LLaMA-Factory
LoRA
SFT
政务领域
中文对话
text-generation
llama3
LLM-Research/Llama-3.2-3B-Instruct
finetune
zh
accuracy

Corvus-Gov-3B

当大模型从实验室涌向政务大厅,考验的不是才华,而是分寸。行政边界一字之差,政策口径一厘之偏,足以让信任归零。

「政衡」corvus-gov 基于 Llama3/Qwen3 基座模型,在百万级中文政务领域对话数据集上完成 SFT 微调。训练采用 LoRA 轻量化微调方案。 以衡为名,百万数据精训为每一句政务回答校准刻度。这不是参数的竞赛,而是关于可信的承诺。政企 AI 落地,自此有衡。

  • 训练框架:LLaMA Factory
  • 对话模板:llama3/qwen3

Training Loss

训练 loss 曲线如下图所示,loss 随训练 step 平稳下降,模型收敛效果良好:

training loss

Training Data

  • 数据规模:百万级中文政务领域对话样本
  • 训练方式:LoRA SFT 有监督微调
  • 训练框架:LLaMA Factory

Quickstart

ModelScope Python SDK

from modelscope import AutoTokenizer, AutoModelForCausalLM

model_id = "JavaFamily/corvus-gov-3B"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto"
)

messages = [
    {"role": "system", "content": "你是政务领域智能助手,请严谨、准确回答用户问题。"},
    {"role": "user", "content": "请介绍一下政务咨询相关政策。"}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to("cuda")

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512,
    temperature=0.7,
    top_p=0.9
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

vLLM 快速推理(推荐部署)

from vllm import LLM, SamplingParams

model_id = "JavaFamily/corvus-gov-3B"
sampling_params = SamplingParams(temperature=0.7, top_p=0.9, max_tokens=512)
llm = LLM(model=model_id)

prompt = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
outputs = llm.generate(prompt, sampling_params)
print(outputs[0].outputs[0].text)

您可以通过如下git clone命令,或者ModelScope SDK来下载模型

1)ModelScope 下载

#安装ModelScope
pip install modelscope
  • CLI 命令下载
# cli 下载
modelscope download --model JavaFamily/corvus-gov-3B --local_dir ./llama3/corvus‑gov‑3B
  • SDK下载
#SDK模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('JavaFamily/corvus-gov-3B')

2) Git下载

#Git模型下载
git clone https://www.modelscope.cn/JavaFamily/corvus-gov-3B.git

如果您是本模型的贡献者,我们邀请您根据模型贡献文档,及时完善模型卡片内容。