_{由星火工作室 (Spark Studio) 从零开发并训练}

SparkDeep-v1-lite 是 Spark 模型系列的首个基座模型。它不基于任何已有开源模型微调，从模型架构、分词器到权重全部从零实现与训练。

该模型专注于中文情感对话场景，旨在感知用户情绪变化，给出温暖、贴心、有同理心的回应。作为轻量级模型，它可在普通 CPU 上完成流畅推理，真正让 AI 触手可及。

📊 模型信息

训练细节

我们坚持极简、高效、透明的训练哲学：

• 优化器：Lion Optimizer

  • 初始学习率：1e-4
  • 调度策略：余弦退火 (Cosine Schedule) + 40 步 Warmup
  • 权重衰减：0.1
• 批量设置：batch_size=8，序列长度 256

• 训练数据：

  1. SoulChatCorpus：中文情感/心理对话语料（约 25.8 万条多轮对话）
  2. 身份认知注入：84 条身份问答对 × 8 次重复强化
  3. 合计 Token 数：约 1.22 亿

• 训练成果：

  • 最佳验证 Loss：1.5762
  • 困惑度 (PPL)：≈ 4.84
  • 注：模型仍在持续迭代改进中

能力边界

✅ 擅长

• 中文情感对话：具备优秀的倾听、共情与安慰能力，能敏锐捕捉用户情绪。
• 明确的身份认知：清晰知道自己是“由星火工作室从零训练的 Spark 系列首个基座模型”，不易产生身份幻觉。
• 流畅的短句生成：在日常闲聊和情感交互中表现自然。

⚠️ 局限

• 规模限制：作为 0.2B 小模型，不具备复杂逻辑推理、代码编写或长文写作能力。
• 知识储备有限：由于训练数据聚焦于情感对话，可能在事实性问答中出现错误。
• 非专业建议：生成内容仅供情感陪伴参考，不应作为专业心理咨询或医疗建议。

快速开始

1. 环境准备

确保已安装 torch 和 tokenizers。

2. 代码示例

from tokenizers import Tokenizer
import torch

# 加载分词器
tokenizer = Tokenizer.from_file("path/to/tokenizer.json")

# 权重加载方式请参考项目开源代码仓库中的 generate.py
# model = load_model("path/to/sparkdeep-v1-lite.pt")

# 推理参数建议
generation_config = {
    "temperature": 0.8,
    "top_k": 50,
    "top_p": 0.95,
    "max_new_tokens": 120
}

💡 提示：完整的推理脚本、量化指南及微调示例请查阅 GitHub 仓库中的 generate.py 和 README.md。

📜 开源协议

Apache License 2.0

我们承诺完全开放：

• ✅ 模型权重
• ✅ 训练代码
• ✅ 数据处理脚本

欢迎社区自由使用、修改及分发，共同探索轻量级 AI 的可能性。

🙏 致谢

• 感谢 SoulChatCorpus 数据集作者提供的优质中文情感对话语料，为模型注入了温暖的灵魂。
• 感谢所有在预览版阶段提供反馈的社区开发者。