---
title: Deepseek-r1-finetuned-drone-safty
canonical_url: "https://www.modelscope.cn/models/gabrielai/Deepseek-r1-finetuned-drone-safty"
md_url: "https://www.modelscope.cn/models/gabrielai/Deepseek-r1-finetuned-drone-safty.md"
repository: gabrielai/Deepseek-r1-finetuned-drone-safty
chinese_name: "无人机飞行安全合规问答模型"
last_updated: 2025-04-10
license: apache-2.0
pipeline_tag: text-generation
tasks:
  - text-generation
model_type:
  - qwen2
architectures:
  - Qwen2ForCausalLM
base_model:
  - deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B
base_model_relation: adapter
parameters: 1.8B
tensor_type:
  - F32
library_name:
  - peft
  - lora
  - safetensors
language:
  - 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: 44
stars: 4
tags:
  - deepseek
  - large-language-model
  - text-generation
  - drone-safety
  - peft
  - lora
  - fine-tuned
  - question-answering
  - zh
---

# Deepseek-r1-finetuned-drone-safty

> Deepseek-r1-finetuned-drone-safty - gabrielai 在 ModelScope 开源的模型。Deepseek-r1-finetuned-drone-safty

gabrielai/Deepseek-r1-finetuned-drone-safty 是 ModelScope 魔搭社区上的 1.8B 参数text-generation模型，采用 apache-2.0 许可，基于 deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B 构建，可用 deploy_task text/emb、lmdeploy 0.9.1、lmdeploy_turbomind 0.9.1 部署。

- **Repository**: gabrielai/Deepseek-r1-finetuned-drone-safty
- **License**: apache-2.0
- **Tasks**: text-generation
- **Parameters**: 1.8B
- **Base model**: deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B
- **Inference backends**: deploy_task text/emb, lmdeploy 0.9.1, lmdeploy_turbomind 0.9.1, sglang 0.5.2, vllm 0.9.2
- **Tags**: deepseek, large-language-model, text-generation, drone-safety, peft, lora, fine-tuned, question-answering, zh
- **Downloads**: 44
- **Stars**: 4
- **Last updated**: 2025-04-10

Source: https://www.modelscope.cn/models/gabrielai/Deepseek-r1-finetuned-drone-safty

---

# Deepseek-r1-finetuned-drone-safty


## 基于 DeepSeek-R1-Distill-Qwen-1.5B 微调的无人机飞行安全问答专家测试模型

这是一个基于 DeepSeek-R1-Distill-Qwen-1.5B，使用 PEFT LoRA 进行微调的语言模型。它的主要特点是能够针对无人机飞行安全监控和风险相关问题，生成包含思考过程（以 `<think>` 标签标识）和最终答案的形式化的回复。

微调数据集来源： ([gabrielai/Drone-flight-monitoring-reasoning-SFT](https://www.modelscope.cn/datasets/gabrielai/Drone-flight-monitoring-reasoning-SFT/summary)) 

注：微调数据集中只有问答文本数据，没有实时的飞行轨迹、环境信息等数据。所以模型不具备在真实动态场景中的实用性。仅用于展示形式化的微调训练的效果。


### prompt构造
```python

question = "在低能见度环境下，如何利用飞行轨迹数据综合评估无人机的安全风险？"

prompt = f"""以下指令描述了一项任务，并附带了相关背景信息。
请用中文编写一个回复，以恰当地完成此任务请求。
在回答之前，请仔细思考问题，并创建一个逻辑连贯的思考过程，以确保回答准确无误。

### 指令:
你是一位无人机飞行安全监测专家。
请回答以下关于无人机飞行的安全和风险相关问题。

### 问题:
{question}

### 回答:
<think>"""