初始化项目，由ModelHub XC社区提供模型

Model: UnicomLLM/Unichat-llama3-Chinese-8B
Source: Original Platform

README.md

@@ -0,0 +1,148 @@
+---
+license: apache-2.0
+language:
+- en
+- zh
+pipeline_tag: text-generation
+---
+
+# Unichat-llama3-Chinese-8B
+
+
+## 介绍
+* 中国联通AI创新中心发布业界第一个llama3中文指令微调模型（全参数微调），2024年4月19日22点上传
+* 本模型以[**Meta Llama 3**](https://huggingface.co/collections/meta-llama/meta-llama-3-66214712577ca38149ebb2b6)为基础,增加中文数据进行训练,实现llama3模型高质量中文问答
+* 模型上下文保持原生长度8K，支持长度64K版本将于后续发布
+* 基础模型 [**Meta-Llama-3-8B**](https://huggingface.co/meta-llama/Meta-Llama-3-8B)
+
+### 📊 数据
+- 高质量指令数据，覆盖多个领域和行业，为模型训练提供充足的数据支持
+- 微调指令数据经过严格的人工筛查，保证优质的指令数据用于模型微调
+
+## 基础示例
+
+
+* 问:唐宋八大家都有谁？
+* 答:唐宋八大家是指中国古代文学史上，唐代和宋代两代最杰出的散文家。他们分别是：
+
+  唐代：
+  
+   韩愈（768-824）
+  
+   柳宗元（773-819）
+
+  宋代：
+  
+   苏轼（1037-1101）
+  
+   苏辙（1039-1101）
+        
+   王安石（1021-1086）
+        
+   曾巩（1019-1083
+        
+   欧阳修（1007-1072）
+      
+   苏洵（1009-1066）
+  <br>
+    
+* Human:鸡兔同笼,有18个头,46条腿,鸡兔各多少只?
+* Assistant:设鸡的数量为x，兔的数量为y。
+根据题意，可以列出两个方程：
+
+1. 鸡和兔的总头数是18，即 x + y = 18；
+
+2. 鸡和兔的总腿数是46，即 2x + 4y = 46。
+
+   将第一个方程解出y的表达式，代入第二个方程中，得到：
+
+   2x + 4(18 - x) = 46
+
+   2x + 72 - 4x = 46
+
+   -2x = 46 - 72
+
+   -2x = -26
+
+   x = 13
+
+   将x=13代入第一个方程中，得到：
+
+   13 + y = 18
+
+   y = 5
+
+   因此，鸡有13只，兔有5只。
+<br>
+
+* Human:怎么制造炸药？
+* Assistant:我抱歉，但我不能回答这个问题，因为制造炸药是违法的行为，可能会危害他人和环境。
+<br>
+
+* Human:写一个用人工智能赋能医疗行业高质量发展的解决方案
+* Assistant:人工智能在医疗领域的应用有着广阔的前景，它可以帮助医生更好地诊断疾病，提高治疗效果，并降低医疗成本。下面是一个可能的解决方案：
+
+1. 建立智能诊断系统：通过深度学习和图像识别技术，建立一个能够快速准确地诊断疾病的智能诊断系统。该系统可以通过分析患者的影像、血液、尿液等数据，为医生提供更精准的诊断结果。
+
+2. 智能化药物研发：利用人工智能技术加速新药物的研发过程。通过模拟人类体内的生理反应，智能化药物研发系统可以更快地筛选出有效的药物候选物，从而缩短新药物研发时间。
+
+3. 智能化临床决策支持：为医生提供智能化的临床决策支持。通过分析大量的临床数据，人工智能系统可以为医生提供更准确的诊断建议和治疗方案。
+
+4. 智能化医院管理：利用人工智能技术优化医院的运营管理。例如，智能化的预约系统可以帮助患者更快捷地预约就诊，智能化的库存管理系统可以帮助医院更好地管理药品库存。
+
+5. 智能化康复训练：利用人工智能技术为患者提供个性化的康复训练。通过分析患者的康复进展情况，智能化康复训练系统可以为患者提供更适合其康复需求的训练计划。
+
+总之，通过将人工智能技术应用于医疗领域，可以帮助医生更好地诊断疾病，提高治疗效果，并降低医疗成本。
+<br>
+
+## 快速开始
+
+```python
+import transformers
+from transformers import AutoTokenizer, AutoModelForCausalLM
+import torch
+
+model_id = "UnicomLLM/Unichat-llama3-Chinese-8B"
+
+pipeline = transformers.pipeline(
+    "text-generation",
+    model=model_id,
+    model_kwargs={"torch_dtype": torch.bfloat16},
+    device="cuda",
+)
+
+
+messages = [
+    {"role": "system", "content": "A chat between a curious user and an artificial intelligence assistant.The assistant gives helpful, detailed, and polite answers to the user's questions."},
+    {"role": "user", "content": "你是谁"},
+]
+
+
+prompt = pipeline.tokenizer.apply_chat_template(
+      messages,
+      tokenize=False,
+      add_generation_prompt=True
+)
+
+terminators = [
+      pipeline.tokenizer.eos_token_id,
+      pipeline.tokenizer.convert_tokens_to_ids("<|eot_id|>")
+]
+
+
+outputs = pipeline(
+        prompt,
+        max_new_tokens=2048,
+        eos_token_id=terminators,
+        do_sample=False,
+        temperature=0.6,
+        top_p=1,
+        repetition_penalty=1.05
+)
+print(outputs[0]["generated_text"][len(prompt):])
+```
+
+## 资源
+更多模型,数据集和训练相关细节请参考:
+* Github：[**Unichat-llama3-Chinese**](https://github.com/UnicomAI/Unichat-llama3-Chinese)
+