Process-Thinking-1.5B/README.md

介绍

智辰流程优化模型，作为一款搭载了15亿参数的先进系统，其利用Qwen2模型的核心架构进行设计，旨在深度剖析并优化各类复杂业务流程。该模型通过精细化的学习与调整，能够输出高度贴合实际业务场景的操作流程建议，极大地提升了决策效率与执行精准度。

目前，智辰流程优化模型已广泛吸纳了电商运营、新媒体内容创作、直播营销、创业就业指导以及软件设计等多个领域的海量训练数据，这些数据为模型提供了丰富的业务场景案例与经验积累。特别是在电商与新媒体领域，模型展现出了卓越的适应性与优化能力；而在直播与创业就业方面，其分析也颇具洞见；尽管在软件设计领域的优化效果尚显平稳，但已展现出巨大的潜力与提升空间。

Process-Thinking-1.5B

Process-Thinking模型主要特点有：

1.流程思考：深度思考，根据用户输入业务，拆分其业务流程，输出内容主要为业务流程的充分结果（部分业务仍需添加流程等关键词）。
2.推理成本低：本模型本地部署推理时使用显存在3GB左右，可支持微调，微调使用显存约为6GB。

训练细节

本模型使用电商运营、新媒体内容创作、直播营销、创业就业指导以及软件设计等多个领域的海量训练数据进行后训练，用户使用版本是聊天模型。

环境要求

我们建议安装 transformers>=4.37.0，如果使用GPU加速推理，建议检查好CUDA等环境是否配置完成。

模型使用

from modelscope import AutoModelForCausalLM, AutoTokenizer
device = "cuda" # 启用CUDA

model = AutoModelForCausalLM.from_pretrained(
    "qsddfxcxx/Process-Thinking-1.5B",
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("qsddfxcxx/Process-Thinking-1.5B") # 模型配置注意名称是否正确

prompt = "AI软件开发"
messages = [
    {"role": "system", "content": "你是一个助手"},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)

generated_ids = model.generate(
    model_inputs.input_ids,
    max_new_tokens=1024
)
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) # 也可下载模型至本地，利用Ollama、LM Studio等工具进行大模型问答

使用结果截图

模型下载

SDK下载

#安装ModelScope
pip install modelscope

#SDK模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('qsddfxcxx/Process-Thinking-1.5B')

Git下载

#Git模型下载
git clone https://www.modelscope.cn/qsddfxcxx/Process-Thinking-1.5B.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