frameworks, tasks, license, base_model, datasets, language

frameworks	tasks	license	base_model	datasets	language
PyTorch	text-generation	Apache License 2.0	zxcAsD01/AL-0	zxcAsD01/MiMo-V2-Flash_distill	zh

---

AL-0 (Distilled on Qwen3)

📌 模型介绍 (Model Introduction)

AL-0 是一个由 zxcAsD01 创建的学习性质的小型语言模型。该模型是基于 Qwen3-0.6B 架构进行蒸馏（Distillation）并结合常规训练集进行微调（Fine-tuning）得到的。

尽管体积小巧，AL-0 旨在通过蒸馏（Distillation）技术，在保持高效推理的同时，尽可能继承大模型的逻辑推理与对话能力。

AL-0 的前置模型为同为 zxcAsD01 创建的 AL-0-Base ， AL-0-Base 是一个纯基座模型，经过极少的训练即可从接近随机输出收敛到输出连贯文本。 AL-0-SFT 即为其 Base 模型经少量额外预训练以及较多的指令微调得到的。

模型架构参数 (Architecture)

AL-0 的关键参数如下：

• Base Model: Qwen3
• Hidden Size: 768
• Num Hidden Layers: 12
• Num Attention Heads: 12
• Vocabulary Size: 151,936
• Context Length: 40,96 tokens

🛠️ 使用说明 (Usage)

1. 环境依赖

请确保安装了最新的 transformers 库：

pip install transformers>=4.57.1

2. 加载模型与推理

您可以使用以下 Python 代码加载并使用 AL-0 模型：

from transformers import AutoTokenizer, AutoModelForCausalLM

model_path = "your-username/AL-0"

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

messages = [
    {"role": "system", "content": "You are AL-0, a helpful assistant."},
    {"role": "user", "content": "你好，请介绍一下你自己。"}
]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=512,
    do_sample=True,
    temperature=0.7,
    top_p=0.8
)

response = tokenizer.decode(outputs[0][inputs.input_ids.shape[-1]:], skip_special_tokens=True)
print(response)

3. 推理参数建议

根据 Qwen3 的特性，建议如下参数：

• 非思考模式 (Non-Thinking Mode): temperature=0.7, top_p=0.8, top_k=20。
• 思考模式 (Thinking Mode): 如果模型支持，可使用 temperature=0.6, top_p=0.95, top_k=20。

🌐 模型来源 (Model Source)

AL-0 模型是基于 Qwen3 系列模型进行蒸馏和微调得到的。

硬件 Intel Core Ultra9-285H 32G RTX5070laptop 8G

• 基础模型 (Base Model): Qwen3-0.6B
• 来源团队: Qwen Team (阿里云)
• 原始模型特点: Qwen3 是阿里团队的开源大语言模型系列，支持思考模式与非思考模式，预训练数据覆盖 119 种语言，总计约 36 万亿 Token。

本模型的开发得益于 Qwen3 强大的基础能力以及“强到弱蒸馏”技术，使得小型模型也能具备出色的性能。

📄 许可证 (License)

本模型基于 Apache 2.0 许可证 开源发布。

Qwen3 系列模型本身也遵循 Apache 2.0 许可证。Apache 2.0 是一个商业友好的开源许可证，允许用户自由使用、修改和分发模型，包括用于商业目的和盈利，前提是保留版权声明和免责声明。

详细条款请参见 LICENSE 文件。

🙏 致谢 (Acknowledgements)

• 感谢 Qwen Team 开源了强大的 Qwen3 模型系列。
• 感谢开源社区提供的训练数据集与工具支持。

---