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

# AL-0 (Distilled on Qwen3)

<div align="center">

![visitors](https://visitor-badge.laobi.icu/badge?page_id=your-repo/AL-0)
[![GitHub Code License](https://img.shields.io/badge/License-Apache%202.0-blue.svg)](LICENSE)

</div>

## 📌 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：
```bash
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：

```python
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](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。

***