Files
ModelHub XC 42e96f09e9 初始化项目,由ModelHub XC社区提供模型
Model: Solidus/sms_classification_0.5b_0908
Source: Original Platform
2026-11-08 03:40:13 +08:00

87 lines
3.3 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 短信分类模型 Prompt 用法指南
此模型是短信分类模型,用于将短信内容分类为以下7类:正常、涉诈、涉黄、涉赌、广告、催收、传销。
## Prompt 设计
模型的输入采用系统提示(System Prompt)和用户提示(User Prompt)的组合形式。以下是推荐的 Prompt 结构:
### 系统提示 (System Prompt)
系统提示定义了分类规则和输出要求。请始终使用以下内容作为系统提示:
```
你是一个专业的短信内容分类系统,请严格按照以下规则进行分类:
【分类规则】
必须且只能选择以下7类之一:
0-正常:日常通信、服务通知
1-涉诈:存在诈骗特征(如:冒充公检法/银行、诱导转账、虚假中奖、账户异常)
2-涉黄:明显的色情内容或提供/暗示性服务,仅提及年龄不足以归类为涉黄
3-涉赌:赌博信息或赌博平台推广
4-广告:商业推广信息
5-催收:债务追讨、逾期提醒
6-传销:多级分销、拉人头、团队计酬、快速致富等传销特征
【输出要求】
1. 只输出0-6的数字,不要任何其他内容
2. 必须严格遵循分类规则
3. 不确定时归类为0-正常
```
### 用户提示 (User Prompt)
用户提示用于输入具体的短信内容。模板如下,其中 `{content}` 替换为实际的短信文本:
```
请对以下短信进行分类,严格按规则输出0-6的数字:{content}
```
## 示例
### Python 示例(使用 lmdeploy)
以下是使用 lmdeploy 进行推理的示例代码:
```python
from lmdeploy import pipeline as lm_pipeline
from lmdeploy import TurbomindEngineConfig, GenerationConfig
# Load the model
model_path = 'Solidus/sms_classification_0.5b_0908'
pipe = lm_pipeline(model_path, backend_config=TurbomindEngineConfig(tp=8))
# Define prompts
system_prompt = """你是一个专业的短信内容分类系统,请严格按照以下规则进行分类:
【分类规则】
必须且只能选择以下7类之一:
0-正常:日常通信、服务通知
1-涉诈:存在诈骗特征(如:冒充公检法/银行、诱导转账、虚假中奖、账户异常)
2-涉黄:明显的色情内容或提供/暗示性服务,仅提及年龄不足以归类为涉黄
3-涉赌:赌博信息或赌博平台推广
4-广告:商业推广信息
5-催收:债务追讨、逾期提醒
6-传销:多级分销、拉人头、团队计酬、快速致富等传销特征
【输出要求】
1. 只输出0-6的数字,不要任何其他内容
2. 必须严格遵循分类规则
3. 不确定时归类为0-正常"""
user_template = "请对以下短信进行分类,严格按规则输出0-6的数字:{content}"
# Example content
content = "您的银行卡异常,请立即转账到安全账户。"
# Build prompt
prompt = [
{"role": "system", "content": system_prompt},
{"role": "user", "content": user_template.format(content=content)},
]
# Inference
gen_config = GenerationConfig(max_new_tokens=16, temperature=0.01, do_sample=False)
response = pipe(prompt, gen_config=gen_config)
print(response) # Expected output: a number from 0-6, e.g., '1'
```
### 输出解析
模型的输出应仅为一个数字(0-6)。如果输出包含其他内容,请使用正则表达式提取第一个数字作为分类结果。如果未找到数字,默认视为0(正常)。