大家好，大模型 fine-tune，在各个领域百花齐放。
上两天发过一篇文章，介绍了一个基于 LLaMA 训练得到的 AI 医生咨询助手。
看不少小伙伴都感兴趣，咱今天再介绍一个法律领域的 LaWGPT。
LaWGPT
昨天，都在传，杭州互联网大厂裁员，消息铺天盖地，搞得人心惶惶。
合法裁员，给个 N+3 赔偿，那都还挺舒服。碰到非法裁员的，那咱就得拿起法律武器刚到底了。
比如问一问 LaWGPT，非法裁员咋么办？或者加班工资都怎么算？
输入：请问加班工资怎么算？
输入： 你能否写一段抢劫罪罪名的案情描述？
输入： 酒驾撞人怎么判刑？
效果还是可以的吧？
LaWGPT 的名字起得有些奇怪，因为看名字，第一眼以为是基于 GPT 训练的模型，结果一看内容发现是 LLaMA 训练的。
不过这都不重要，效果还是可以的。
项目地址：
https://github.com/pengxiao-song/LaWGPT
技术交流
技术要学会分享、交流，不建议闭门造车。一个人可以走的很快、一堆人可以走的更远。
好的文章离不开粉丝的分享、推荐，资料干货、资料分享、数据、技术交流提升，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友。
方式①、添加微信号：mlc2060，备注：来自CSDN + 加群
方式②、微信搜索公众号：机器学习社区，后台回复：加群
接下来，说下怎么运行算法。
不过这都不重要，我们先看下效果：
首先，创建虚拟环境，安装依赖。
git clone git@github.com:pengxiao-song/LaWGPT.git cd LaWGPT conda create -n lawgpt python=3.10 -y conda activate lawgpt pip install -r requirements.txt 其次，下载模型权重，这个项目获取权重的方法，需要自己合并模型，合并方法：
下载 chinese-llama-7b-merged 模型权重：
https://huggingface.co/minlik/chinese-llama-7b-merged/tree/main 下载 legal-lora-7b 模型权重：
https://huggingface.co/entity303/legal-lora-7b/tree/main 前者放到项目的 models/base_models 目录下，后者放到项目的 models/lora_weights 目录下。
然后运行权重合并脚本：
sh scripts/merge.sh 最后，我们就可以直接启动 UI 了：
bash scripts/webui.sh 浏览器打开本地服务：
http://127.0.0.1:7860
就能看到 UI 界面了。
整个项目的目录结构，还是挺清晰的。
LaWGPT ├── assets ├── resources ├── models │ ├── base_models │ └── lora_weights ├── outputs ├── data ├── scripts │ ├── finetune.sh │ └── webui.sh ├── templates ├── tools ├── utils ├── train_clm.py ├── finetune.py ├── webui.py ├── README.md └── requirements.txt 可以看到，项目也提供了 finetune 的代码，也能自己训练。
指令微调模型训练的方法，后面计划再出一期视频讲解了。
总之，也衷心希望接下来类似的裁员事件能少点，打工仔们不容易啊！碰到非法裁员，记得要用法律武器保护好自己的合法权益！
好了，今天就聊这么多吧，我们下期见！
原文链接：https://blog.csdn.net/2301_78285120/article/details/130876732?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170018760216800184155654%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=170018760216800184155654&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-7-130876732-null-null.nonecase&utm_term=AI%E6%B3%95%E5%BE%8B%E5%92%A8%E8%AF%A2
