第4节课作业(2班)

[MING-ZCH]

在下方讨论区提交作业（图片/链接形式均可）~

基础作业

构建数据集，使用 XTuner 微调 InternLM-Chat-7B 模型, 让模型学习到它是你的智能小助手，效果如下图所示，本作业训练出来的模型的输出需要将不要葱姜蒜大佬替换成自己名字或昵称！

微调前（回答比较官方）

微调后（对自己的身份有了清晰的认知）

作业参考答案：https://github.com/InternLM/tutorial/blob/main/xtuner/self.md

进阶作业：

• 将训练好的Adapter模型权重上传到 OpenXLab、Hugging Face 或者 MoelScope 任一平台。
• 将训练好后的模型应用部署到 OpenXLab 平台，参考部署文档请访问：https://aicarrier.feishu.cn/docx/MQH6dygcKolG37x0ekcc4oZhnCe

[songyuc]

基础作业

构建数据集，使用 XTuner 微调 InternLM-Chat-7B 模型, 让模型学习到它是你的智能小助手。

微调前（回答比较官方）

微调后（对自己的身份有了清晰的认知）

[YanxingLiu]

基础作业
构建数据集，使用 XTuner 微调 InternLM-Chat-7B 模型, 让模型学习到它是你的智能小助手。

微调前（回答比较官方）

微调后（对自己的身份有了清晰的认知）

[pranerd]

基础作业：
微调下的输出：

[xulinui]

https://h90ag9106t.feishu.cn/docx/YjQPdpEJpohTe8xF2UucCguanbe

[zyy0831]

原计划训练为3次，但训练第1次后，损失已经很低，且由于学习实践整体流程，一定过拟合，无需消耗第2和3次时间。

结果如下图


模型运行占用资源情况

总之，是不错的应用经验

[DarthThomas]

作业

使用脚本处理python官方doc txt版本的FAQ，生成json，一起加入finetune

[ZixinxinWang]

2.

[CoderJackZhu]

基础作业
微调前（回答比较官方）

微调后（对自己的身份有了清晰的认知）

[kyrie2to11]

InterLM L-4: XTuner 大模型单卡低成本微调 基础作业打卡~

[ljqiff]

基础作业
3个epch幻觉严重，过拟合，污染原始权重

进阶作业：

MoelScope 平台。
https://www.modelscope.cn/models/ljqiff/learn4class/summary
OpenXlab
https://openxlab.org.cn/apps/detail/ljqiff/CarLLMTest

[kaoyansoft123]

微调前：

微调后：

[RyanWu31]

https://github.com/RyanWu31/tutorial_notebook/blob/main/README.md

[Mr-Vincenyang]

作业

[PrinceRay7]

做了点有趣的东西
作业：构建数据集，使用 XTuner 微调 InternLM-Chat-7B 模型, 让模型学习到他是一个某公司的招聘HR
Adapter权重已经发布至openXlab
小助手的回答均为虚构，如有雷同，纯属巧合，请勿对号入座
https://github.com/PrinceRay7/InternLM_HW/blob/main/hw4/homework/homework.md

[kishiokon]

微调之后变成了复读小助手

[ZixinxinWang]

补充进阶作业：
权重上传

应用部署