CoolFace
Modelpublic

zhongzhanqiu/car-customer-service-sft-lora

sourceHugging Faceapache-2.0updated 27d agoView on Hugging Face
0likes21downloads
Model Card

汽车售后智能客服助手 LoRA（SFT 版）

基于 Qwen/Qwen3-0.6B 通过 SFT（LoRA） 微调得到的汽车售后服务场景客服助手适配器。

模型说明

  • —任务类型：CAUSAL_LM 文本生成
  • —微调方式：LoRA（PEFT）
  • —LoRA 参数：r=8，alpha=8，dropout=0.05
  • —目标模块：q_proj / k_proj / v_proj / o_proj / gate_proj / up_proj / down_proj
  • —覆盖能力：用车与智能功能支持、保养质保政策、故障预诊断与安全分流、预约与服务受理、维修费用与交车、道路救援与保险、投诉升级处理、主动关怀回访等 8 类汽车售后业务场景

使用方法

python
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

base_model_name = "Qwen/Qwen3-0.6B"
adapter_path = "zhongzhanqiu/car-customer-service-sft-lora"

tokenizer = AutoTokenizer.from_pretrained(base_model_name)
model = AutoModelForCausalLM.from_pretrained(
    base_model_name,
    torch_dtype="auto",
    device_map="auto",
)
model = PeftModel.from_pretrained(model, adapter_path)

messages = [{"role": "user", "content": "我的车最近启动时发动机有异响，应该怎么办？"}]
text = tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True, enable_thinking=False
)
inputs = tokenizer([text], return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=1024)
print(tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True))

文件说明

文件说明
adapter_model.safetensorsLoRA 适配器权重
adapter_config.jsonPEFT 适配器配置
tokenizer.json / tokenizer_config.json分词器文件
chat_template.jinja对话模板
sft_config.jsonSFT 训练数据规模配置

框架版本

  • —PEFT 0.20.0
  • —Transformers
  • —base model: Qwen/Qwen3-0.6B（Apache-2.0）