# Medical-ChatBot-CPT LoRA 模型

## 模型概述

基于 LLaMA-3.1-8B 的医疗聊天机器人持续预训练（Continual Pre-Training, CPT）LoRA 适配器。

- **基础模型**: meta-llama/Llama-3.1-8B
- **训练阶段**: Continual Pre-Training (CPT)
- **适配器大小**: ~26.5MB

## 1. 数据集

**数据集**: [bootscoder/Medical-ChatBot-CPT](https://huggingface.co/datasets/bootscoder/Medical-ChatBot-CPT)

详细数据集信息请查看上述链接。

## 2. 训练流程

### 技术栈

- **DeepSpeed**: ZeRO Stage 1 分布式训练
- **PEFT**: LoRA 参数高效微调
- **BitsAndBytes**: 4-bit NF4 量化
- **Flash Attention 2**: 加速注意力计算
- **TRL**: SFTTrainer 训练接口

### 训练阶段

1. **模型初始化**: 加载 LLaMA-3.1-8B 并应用 4-bit 量化
2. **LoRA 配置**: 初始化低秩适配器（r=32, alpha=8）
3. **分布式训练**: DeepSpeed 8卡并行训练，1 epoch
4. **保存模型**: 保存 LoRA 适配器权重

## 3. 参数配置

### 硬件配置

```
GPU: 8 × NVIDIA A5000 (24GB VRAM)
分布式: DeepSpeed ZeRO Stage 1
```

### 训练超参数

```yaml
seq_length: 2048                    # 序列长度
batch_size: 2                       # 每卡批次大小
gradient_accumulation_steps: 16     # 梯度累积
effective_batch_size: 256           # 2 × 8 × 16
num_train_epochs: 1                 # 训练轮数
learning_rate: 1e-5                 # 学习率
lr_scheduler_type: cosine           # 余弦调度
warmup_ratio: 0.1                   # 预热比例
bf16: true                          # BF16 混合精度
gradient_checkpointing: true        # 梯度检查点
packing: true                       # 序列打包
```

### QLoRA 配置

**量化配置**:
```python
load_in_4bit: True                  # 4-bit 量化
bnb_4bit_quant_type: nf4            # NF4 量化
bnb_4bit_compute_dtype: bfloat16    # BF16 计算
```

**LoRA 配置**:
```python
r: 32                               # LoRA 秩
lora_alpha: 8                       # 缩放因子 (alpha/r = 0.25)
target_modules: [q_proj, k_proj]    # Q, K 投影层
bias: none                          # 不训练 bias
trainable_params: ~26.5MB           # 可训练参数 (~0.2%)
```

**显存优化效果**:
- 原始全参数训练 (FP16): ~72GB per GPU
- 使用 QLoRA: ~7-8GB per GPU
- **显存节约: ~90%**

## 4. 峰值显存占用

**单卡峰值**: ____________ GB
**8卡总计**: ____________ GB

## 5. 模型预期表现

### 相比 Base LLaMA-3.1-8B 的改进

**改进**:
- 更好理解医疗术语和概念
- 输出更符合医疗领域语言风格
- 为后续 SFT 训练提供更好初始化

**局限**:
- 未经指令微调，不理解指令格式
- 输出结构化程度不足
- 不建议直接部署使用

## 使用方法

### 加载模型

```python
import torch
from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

# 加载基础模型
base_model = AutoModelForCausalLM.from_pretrained(
    "meta-llama/Llama-3.1-8B",
    torch_dtype=torch.bfloat16,
    device_map="auto"
)

# 加载 LoRA 适配器
model = PeftModel.from_pretrained(base_model, "/path/to/pretrained-lora")
tokenizer = AutoTokenizer.from_pretrained("/path/to/pretrained-lora")

# 合并适配器（可选）
model = model.merge_and_unload()
```

### 生成文本

```python
inputs = tokenizer("高血压是一种", return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=128)
print(tokenizer.decode(outputs[0]))
```

## 模型文件

```
pretrained-lora/
├── adapter_config.json          # LoRA 配置
├── adapter_model.safetensors    # LoRA 权重 (~26.5MB)
├── special_tokens_map.json      # 特殊 token 映射
├── tokenizer.json               # 分词器
└── tokenizer_config.json        # 分词器配置
```

## 许可证

遵循 [Llama 3.1 Community License](https://github.com/meta-llama/llama-models/blob/main/models/llama3_1/LICENSE)