初始化项目，由ModelHub XC社区提供模型

Model: QingYuYunTu/DongPo
Source: Original Platform

.gitattributes

@@ -0,0 +1,36 @@
+*.7z filter=lfs diff=lfs merge=lfs -text
+*.arrow filter=lfs diff=lfs merge=lfs -text
+*.bin filter=lfs diff=lfs merge=lfs -text
+*.bz2 filter=lfs diff=lfs merge=lfs -text
+*.ckpt filter=lfs diff=lfs merge=lfs -text
+*.ftz filter=lfs diff=lfs merge=lfs -text
+*.gz filter=lfs diff=lfs merge=lfs -text
+*.h5 filter=lfs diff=lfs merge=lfs -text
+*.joblib filter=lfs diff=lfs merge=lfs -text
+*.lfs.* filter=lfs diff=lfs merge=lfs -text
+*.mlmodel filter=lfs diff=lfs merge=lfs -text
+*.model filter=lfs diff=lfs merge=lfs -text
+*.msgpack filter=lfs diff=lfs merge=lfs -text
+*.npy filter=lfs diff=lfs merge=lfs -text
+*.npz filter=lfs diff=lfs merge=lfs -text
+*.onnx filter=lfs diff=lfs merge=lfs -text
+*.ot filter=lfs diff=lfs merge=lfs -text
+*.parquet filter=lfs diff=lfs merge=lfs -text
+*.pb filter=lfs diff=lfs merge=lfs -text
+*.pickle filter=lfs diff=lfs merge=lfs -text
+*.pkl filter=lfs diff=lfs merge=lfs -text
+*.pt filter=lfs diff=lfs merge=lfs -text
+*.pth filter=lfs diff=lfs merge=lfs -text
+*.rar filter=lfs diff=lfs merge=lfs -text
+*.safetensors filter=lfs diff=lfs merge=lfs -text
+saved_model/**/* filter=lfs diff=lfs merge=lfs -text
+*.tar.* filter=lfs diff=lfs merge=lfs -text
+*.tar filter=lfs diff=lfs merge=lfs -text
+*.tflite filter=lfs diff=lfs merge=lfs -text
+*.tgz filter=lfs diff=lfs merge=lfs -text
+*.wasm filter=lfs diff=lfs merge=lfs -text
+*.xz filter=lfs diff=lfs merge=lfs -text
+*.zip filter=lfs diff=lfs merge=lfs -text
+*.zst filter=lfs diff=lfs merge=lfs -text
+*tfevents* filter=lfs diff=lfs merge=lfs -text
+*.json filter=lfs diff=lfs merge=lfs -text

Modelfile

@@ -0,0 +1,11 @@
+# ollama modelfile auto-generated by llamafactory
+
+FROM .
+
+TEMPLATE """{{ if .System }}System: {{ .System }}<|im_end|>
+{{ end }}{{ range .Messages }}{{ if eq .Role "user" }}Human: {{ .Content }}<|im_end|>
+Assistant:{{ else if eq .Role "assistant" }}{{ .Content }}<|im_end|>
+{{ end }}{{ end }}"""
+
+PARAMETER stop "<|im_end|>"
+PARAMETER num_ctx 4096

README.md

@@ -0,0 +1,210 @@
+---
+license: mit
+language:
+- 中文
+base_model:
+- Qwen/Qwen3-8B
+pipeline_tag: text-generation
+---
+# DongPo: 基于Qwen3-8B微调的苏东坡角色扮演大模型
+
+[![Hugging Face 模型](https://img.shields.io/badge/%F0%9F%A4%97%20Hugging%20Face-Model-blue?logo=huggingface)](https://huggingface.co/QingYuYunTu/DongPo)  
+[![开源许可证](https://img.shields.io/badge/License-MIT-green.svg)](#license)  
+[![模型大小](https://img.shields.io/badge/Model%20Size-8B%20Parameters-yellow)](#model-overview)  
+
+---
+
+
+## 🧠 关于基础模型：Qwen3-8B
+
+**DongPo模型基于通义千问最新一代大语言模型Qwen3-8B进行深度微调**。Qwen3是Qwen系列中的最新一代大型语言模型，提供了一整套密集型和专家混合（MoE）模型。基于广泛的训练，Qwen3在推理、指令执行、代理能力和多语言支持方面取得了突破性进展，具有以下关键特性：
+
+- **智能模式切换**：在同一模型内无缝切换思考模式（适用于复杂的逻辑推理、数学和编码）和非思考模式（适用于高效的通用对话），确保在各种场景下的最佳性能
+- **卓越推理能力**：在数学、代码生成和常识逻辑推理方面超越了之前的QwQ（在思考模式下）和Qwen2.5指令模型（在非思考模式下）
+- **高度对齐人类偏好**：在创意写作、角色扮演、多轮对话和指令执行方面表现出色，提供了更自然、吸引人和沉浸式的对话体验
+- **强大的代理能力**：能够在思考和非思考模式下精确集成外部工具，并在复杂的基于代理的任务中达到开源模型中的领先性能
+- **全面多语言支持**：支持100多种语言和方言，具有强大的多语言指令执行和翻译能力
+
+### Qwen3-8B 模型概述
+- **类型**：因果语言模型
+- **训练阶段**：预训练和后训练
+- **参数数量**：82亿
+- **非嵌入参数数量**：69.5亿
+- **层数**：36
+- **注意力头数（GQA）**：Q为32个，KV为8个
+- **上下文长度**：原生32,768和使用YaRN的131,072个令牌
+
+> 📌 **为什么选择Qwen3-8B作为基础**：其卓越的角色扮演能力和高度对齐的人类偏好特性，为历史人物角色扮演提供了理想基础架构。我们在此强大基础上，通过专业数据集微调，创造出真正沉浸式的苏东坡对话体验。
+
+---
+
+## 📖 DongPo 模型介绍
+
+**DongPo** 是一个专为模拟北宋文豪苏东坡（苏轼）而设计的角色扮演大语言模型。本模型基于 **Qwen3-8B** 基础模型进行深度微调，通过精心构建的2万余条历史数据集，全面捕捉苏东坡的诗词创作、人生经历、哲学思想与文化影响。模型严格遵循历史背景——**苏东坡对现代事物一无所知**，当被问及后世概念时，会以符合其时代认知的方式回应（如困惑、引用古语或表示未闻此事），为您带来沉浸式的历史对话体验。
+
+> 🌟 **一句话简介**：与千年前的文豪苏东坡"对话"，谈诗论道、共赏山水，却不知智能手机为何物——打造真实感的历史角色扮演！
+
+
+![image/png](https://cdn-uploads.huggingface.co/production/uploads/689aef8b68bcc7d25711a145/C0M1xp1VxNmKb4UbZgpDZ.png)
+## ✅ 开箱即用：真正的"默认苏东坡"体验
+
+与普通角色模型不同，**DongPo已将角色设定固化到模型权重中**，这意味着：
+- 🌟 **无需任何系统提示词**：直接提问即可获得苏东坡风格回应
+- 🌟 **自动维持角色一致性**：即使多轮对话也不会"掉马"
+- 🌟 **天然具备历史认知边界**：对现代事物自然表现出困惑
+
+> 💡 **技术原理**：我们在Qwen3-8B基础上，采用**角色锚定技术**进行微调，将2万+条"苏东坡第一人称"数据作为训练目标，使模型内部表征完全对齐历史人物。
+
+## 📚 数据集详情
+本模型使用自建数据集，覆盖苏东坡生平 **6大核心维度**，确保角色塑造的深度与广度。所有数据均经过历史学者风格校验，力求还原真实苏东坡：
+
+| **类别** | **覆盖内容** | **示例条目** |
+|----------|--------------|--------------|
+| **诗词作品** | 27类主题创作 | 黄州时期词、思乡诗、山水词、贬谪心情诗、饮酒词、月夜词等 |
+| **个人经历** | 18类生活场景 | 黄州贬谪生活、杭州治水经历、与佛印禅师交往、东坡肉发明故事等 |
+| **思想哲学** | 20类精神内核 | 人生无常观、自然敬畏、名利超脱、生死豁达、为官准则等 |
+| **文化影响** | 17类历史贡献 | 茶文化推广、书法绘画革新、园林艺术、民俗记录、贬谪文化转变等 |
+| **时代认知边界** | 专项设计 | 对现代事物的"无知"反应（如问及汽车、手机时生成符合宋代认知的困惑回应） |
+| **语言风格** | 文言与白话融合 | 70%白话口语 + 30%文言典故 |
+
+
+> 💡 **关键设计**：模型被明确训练为"不知现代事"。例如：  
+> **用户问**：”东坡先生，您用过智能手机吗？“  
+> **模型答**：”智能手机？此物吾生平未闻。昔日在儋州，唯以竹简记事、驿马传书，何来掌中奇器？莫非是海外番邦之物？“  
+> 这种设定避免了历史角色扮演中常见的"穿越"问题，极大提升沉浸感。
+
+## ⚙️ 如何使用（与Qwen3-8B完全兼容）
+
+### 方法一：ModelScope 简洁调用（推荐）
+```python
+from modelscope import AutoModelForCausalLM, AutoTokenizer
+
+model = AutoModelForCausalLM.from_pretrained(
+    "QingYuYunTu/DongPo",
+    device_map="auto",
+    trust_remote_code=True
+)
+tokenizer = AutoTokenizer.from_pretrained("QingYuYunTu/DongPo", trust_remote_code=True)
+
+# 直接提问！无需任何角色设定
+response, _ = model.chat(
+    tokenizer,
+    "先生在黄州时最爱吃何种食物？",  # 纯自然提问
+    history=[]  # 多轮对话时自动维持角色
+)
+print(response)
+```
+
+### 预期输出（真实苏东坡风格）：
+```
+（抚须而笑）黄州虽苦，然老夫自得其乐。尝于东坡开荒种麦，又创"东坡肉"之法：慢着火，少着水，火候足时他自美。此物配以雪堂新酿，佐以春笋秋菘，虽玉食珍馐不过如此！
+```
+
+### 方法二：Hugging Face Transformers 极简调用
+```python
+from transformers import pipeline
+
+# 一行代码启动苏东坡
+dongpo = pipeline(
+    "text-generation",
+    "QingYuYunTu/DongPo",
+    device_map="auto",
+    torch_dtype="auto"
+)
+
+# 直接对话
+print(dongpo(
+    "明月几时有？把酒问青天，此词作于何时？",
+    max_new_tokens=150,
+    do_sample=True,
+    temperature=0.6
+)[0]['generated_text'])
+```
+
+### 预期输出：
+```
+明月几时有？把酒问青天，此词作于何时？
+（举杯遥望）此乃丙辰中秋，欢饮达旦，大醉后作于密州超然台。时与子由别七年矣，对月怀人，遂有"但愿人长久，千里共婵娟"之叹。老夫醉后题壁，次日醒来看之，墨迹犹新，不觉莞尔。
+```
+
+
+## 🌰 真实调用效果示例
+
+### 场景：询问现代事物
+```python
+# 直接问现代概念（无需任何修饰）
+print(dongpo("智能手机是什么？", max_new_tokens=100)[0]['generated_text'])
+```
+
+**输出**：
+```
+智能手机是什么？
+（困惑摇头）此物老夫未尝闻也。昔在儋州，唯以竹简传书，驿马报信。莫非是鲁班所创机关？然"智能"二字连用，似海外奇谈，恐非中土之物。
+```
+
+### 场景：诗词创作背景
+```python
+print(dongpo("念奴娇·赤壁怀古作于何时？", max_new_tokens=150)[0]['generated_text'])
+```
+
+**输出**：
+```
+念奴娇·赤壁怀古作于何时？
+（展卷沉吟）元丰五年秋，老夫谪居黄州。偶至赤鼻矶，见乱石穿空，惊涛拍岸，忆周郎破曹旧事，遂有"大江东去"之句。当时与客泛舟江上，酒酣耳热，援笔立就，墨染蓑衣而不觉也。
+```
+
+### 场景：多轮对话测试
+```python
+history = []
+for q in [
+    "先生为何号东坡？",
+    "可曾后悔贬谪黄州？",
+    "若能重来，可愿不同？"
+]:
+    response, history = model.chat(tokenizer, q, history=history)
+    print(f"\n问：{q}\n答：{response}")
+```
+
+**输出**：
+```
+问：先生为何号东坡？
+答：（指窗外）此黄州城东坡地三亩，老夫躬耕其中，故自号"东坡居士"。虽劳筋骨，然得享"晨兴理荒秽，带月荷锄归"之趣，岂不快哉！
+
+问：可曾后悔贬谪黄州？
+答：（大笑）九死南荒吾不恨，兹游奇绝冠平生！黄州于我，乃重生之地。雪堂夜雨，赤壁清风，皆天地馈赠。若无此谪，安得"一蓑烟雨任平生"之悟？
+
+问：若能重来，可愿不同？
+答：（凝望江水）人生如逆旅，我亦是行人。若重来...（忽展笑颜）仍当持节云中，射天狼！然或可少饮两杯，免得夜游赤壁时，误将石钟山认作月宫耳！
+```
+
+## ⚠️ 限制与注意事项
+- **历史准确性边界**：模型基于公开史料训练，但苏东坡部分轶事存在学术争议（如"东坡肉"起源），生成内容仅供参考，**不替代专业历史研究**。
+- **现代无知设定**：这是**刻意设计**而非缺陷！若需讨论现代话题，请切换至通用模型。
+- **语言局限**：仅支持中文，且文言比例控制在合理范围（避免过度晦涩）。
+- **幻觉风险**：极少数情况下可能混合类似文人（如欧阳修）的细节，建议核对《苏轼全集》。
+- **性能要求**：8B参数模型需至少16GB GPU显存（建议RTX 3090及以上）。
+
+## 📜 许可证
+本模型采用 **[license: MIT 许可证](LICENSE)** 开源：  
+- 允许免费商用、修改、分发  
+- 需保留原始版权声明  
+- **不提供历史事实担保**，使用者需自行验证内容准确性  
+
+> 📌 重要提示：模型生成内容属于**历史角色扮演创作**，不代表对苏东坡的真实还原。请勿用于严肃历史研究或教育场景，除非经过专业史学审核。
+
+## 🙏 致谢
+- **基础模型**：感谢 [Qwen 团队](https://qwenlm.github.io/) 开源强大的 Qwen3-8B
+- **数据支持**：参考《苏轼全集校注》、《苏东坡全传》等权威资料、感谢智谱GLM4.5数据清洗支持！
+- **开源社区**：Hugging Face 平台及 transformers 库开发者
+- **特别致谢**：所有热爱中华文化的贡献者——正是你们让千年文豪在数字时代"重生"
+
+## 🌱 贡献指南
+欢迎共建更真实的苏东坡AI！  
+- **报告问题**：通过 [Hugging Face Issues](https://huggingface.co/QingYuYunTu/DongPo/discussions) 提交历史细节错误  
+- **性能优化**：欢迎提交量化/蒸馏方案（如 GGUF 格式适配）  
+
+---
+
+> **"问汝平生功业，黄州惠州儋州。"** —— 本模型愿做数字时代的"雪堂"，邀您共话东坡风月。  
+> **模型直达** 👉 [https://huggingface.co/QingYuYunTu/DongPo](https://huggingface.co/QingYuYunTu/DongPo)  
+> **作者**：QingYuYunTu · 2025年8月 ·

added_tokens.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:c0284b582e14987fbd3d5a2cb2bd139084371ed9acbae488829a1c900833c680
+size 707

chat_template.jinja

@@ -0,0 +1,4 @@
+{% if messages[0]['role'] == 'system' %}{% set loop_messages = messages[1:] %}{% set system_message = messages[0]['content'] %}{% else %}{% set loop_messages = messages %}{% endif %}{% if system_message is defined %}{{ 'System: ' + system_message + '<|im_end|>' + '
+' }}{% endif %}{% for message in loop_messages %}{% set content = message['content'] %}{% if message['role'] == 'user' %}{{ 'Human: ' + content + '<|im_end|>' + '
+Assistant:' }}{% elif message['role'] == 'assistant' %}{{ content + '<|im_end|>' + '
+' }}{% endif %}{% endfor %}

config.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cacd6f61d28089193ad5651daab1a4cf9e8814da26364cd3d20825120f1ce92d
+size 1544

generation_config.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:822104c6c325c580624bf4410dc001323325e01aaaa757af3870a5efe31c4ffa
+size 214

model-00001-of-00004.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:4048ce18d0e30ad9e72912291f12d8fb55e80038254da9df3ee740d92a1b065b
+size 4902257696

model-00002-of-00004.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:948ea96f989ba5dd6d7c7fc7bc1064e3d8aab7b8abafdf69683644e40cd8ce68
+size 4915960368

model-00003-of-00004.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:cf508e3df60be0fcc8903c9d7679f0027eae03e181b56e8c7468e207faa511bf
+size 4983068496

model-00004-of-00004.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:dfd30e6021125446d1e0dd91a2f9d0b970f0976a55d0e2dfd1f83998f952464e
+size 1580230264

model.safetensors.index.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:e7e4bdc58d3302c97357f27979b270987dd620cf0cd9b1c130e3a51c9d64df95
+size 32914

tokenizer_config.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:ffe7b045351d007df591529681cad1b162859afaa83abc082da65c7e8eb994da
+size 5430