---
title: TRLLM-Model-v2
canonical_url: "https://www.modelscope.cn/models/LindseyChang/TRLLM-Model-v2"
md_url: "https://www.modelscope.cn/models/LindseyChang/TRLLM-Model-v2.md"
repository: LindseyChang/TRLLM-Model-v2
chinese_name: "交通规则助手大语言模型-v2"
last_updated: 2024-02-02
license: "Apache License 2.0"
pipeline_tag: faq-question-answering
tasks:
  - faq-question-answering
model_type:
  - internlm
architectures:
  - InternLM2ForCausalLM
library_name:
  - pytorch
frameworks:
  - Pytorch
inference_backends:
  - "deploy_task text/emb"
  - "lmdeploy 0.9.1"
  - "lmdeploy_turbomind 0.9.1"
  - "sglang 0.5.2"
  - "vllm 0.9.2"
downloads: 253
stars: 0
---

# TRLLM-Model-v2

> TRLLM-Model-v2 - LindseyChang 在 ModelScope 开源的模型。该模型当前使用的是默认介绍模版，处于“预发布”阶段，页面仅限所有者可见。 请根据模型贡献文档说明，及时完善模型卡片内容。ModelScope平台将在模型卡片完善后展示。谢谢您的理解。 Clone with HTTP

LindseyChang/TRLLM-Model-v2 是 ModelScope 魔搭社区上的faq-question-answering模型，采用 Apache License 2.0 许可，可用 deploy_task text/emb、lmdeploy 0.9.1、lmdeploy_turbomind 0.9.1 部署。

- **Repository**: LindseyChang/TRLLM-Model-v2
- **License**: Apache License 2.0
- **Tasks**: faq-question-answering
- **Inference backends**: deploy_task text/emb, lmdeploy 0.9.1, lmdeploy_turbomind 0.9.1, sglang 0.5.2, vllm 0.9.2
- **Downloads**: 253
- **Stars**: 0
- **Last updated**: 2024-02-02

Source: https://www.modelscope.cn/models/LindseyChang/TRLLM-Model-v2

---

###### 该模型当前使用的是默认介绍模版，处于“预发布”阶段，页面仅限所有者可见。
###### 请根据[模型贡献文档说明](https://www.modelscope.cn/docs/%E5%A6%82%E4%BD%95%E6%92%B0%E5%86%99%E5%A5%BD%E7%94%A8%E7%9A%84%E6%A8%A1%E5%9E%8B%E5%8D%A1%E7%89%87)，及时完善模型卡片内容。ModelScope平台将在模型卡片完善后展示。谢谢您的理解。
#### Clone with HTTP
```bash
 git clone https://www.modelscope.cn/LindseyChang/TRLLM-Model-v2.git
```

# TRLLM-Model-v2介绍
本模型的功能是实现车载应用平台上的交规小助手，也可以作为有意向考取驾驶证同学进行题目问答解答的驾考小助手

## 模型描述
以`internlm2-chat-7b`作为基座模型进行微调，对微调数据集进行了升级，调用文心一言api增强了数据集的语言表述。

>frameworks:
>- Pytorch
>license: Apache License 2.0
>tasks:
>- faq-question-answering


## 期望模型使用方式以及适用范围
使用gradio或者streamlit调用，在OpenXlab上有展示平台。本地也可以直接使用命令行方式调用。

## 训练数据介绍

## 模型训练流程

## 数据评估及结果