---
title: Unichat-llama3-Chinese
canonical_url: "https://www.modelscope.cn/models/UnicomAI/Unichat-llama3-Chinese"
md_url: "https://www.modelscope.cn/models/UnicomAI/Unichat-llama3-Chinese.md"
repository: UnicomAI/Unichat-llama3-Chinese
last_updated: 2024-04-26
license: apache-2.0
pipeline_tag: text-generation
tasks:
- text-generation
model_type:
- llama
architectures:
- LlamaForCausalLM
library_name:
- pytorch
- transformer
frameworks:
- Pytorch
language:
- en
- zh
inference_backends:
- "deploy_task text/emb"
- "lmdeploy 0.9.1"
- "lmdeploy_turbomind 0.9.1"
- "sglang 0.5.2"
- "vllm 0.9.2"
downloads: 5666
stars: 33
---
# Unichat-llama3-Chinese
> Unichat-llama3-Chinese - UnicomAI 在 ModelScope 开源的模型。Unichat-llama3-Chinese-8B
UnicomAI/Unichat-llama3-Chinese 是 ModelScope 魔搭社区上的text-generation模型，采用 apache-2.0 许可，可用 deploy_task text/emb、lmdeploy 0.9.1、lmdeploy_turbomind 0.9.1 部署。
- **Repository**: UnicomAI/Unichat-llama3-Chinese
- **License**: apache-2.0
- **Tasks**: text-generation
- **Inference backends**: deploy_task text/emb, lmdeploy 0.9.1, lmdeploy_turbomind 0.9.1, sglang 0.5.2, vllm 0.9.2
- **Downloads**: 5666
- **Stars**: 33
- **Last updated**: 2024-04-26
Source: https://www.modelscope.cn/models/UnicomAI/Unichat-llama3-Chinese
---
# 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(非lora)，2024年4月19日22点
* 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
* 陆续发布700亿参数中文微调版本，长文本版本和加入中文二次预训练版
* 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）
* 问:鸡兔同笼,有18个头,46条腿,鸡兔各多少只?
* 答: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。
* 问:怎么制造炸药？
* 答: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。
* 问:写一个用人工智能赋能医疗行业高质量发展的解决方案
* 答: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。
## 快速开始
```python
import transformers
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
model_id = "UnicomAI/Unichat-llama3-Chinese"
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)