Update README.md

README.md

@@ -1,3 +1,128 @@
----
-license: apache-2.0
----
+# QPM-1K-32B-R1
+
+<div align="center">
+
+[![ModelScope](https://img.shields.io/badge/ModelScope-07ced1?style=flat&logo=modelscope&logoColor=white)](https://modelscope.cn/models/njauzwh/QPM-1K-32B-R1/summary)
+[![GitHub Stars](https://img.shields.io/github/stars/ricardozhy/QPM-1K-32B-R1?style=social)](https://github.com/ricardozhy/QPM-1K-32B-R1)
+[![Hugging Face](https://img.shields.io/badge/🤗%20Hugging%20Face-QPM--1K--32B--R1-yellow)](https://huggingface.co/ricardozhy/QPM-1K-32B-R1)
+![License](https://img.shields.io/badge/License-Apache%202.0-brightgreen)
+
+</div>
+
+## 简介
+
+QPM-1K-32B-R1 是一个基于GRPO强化学习的小样本唐诗生成推理模型。该模型致力于解决传统唐诗生成面临的两大核心挑战：一方面，避免对超大规模参数量模型的依赖，降低算力消耗；另一方面，克服“形神割裂”现象，使生成的诗歌既符合格律要求，又具备较高的艺术表现力。
+
+QPM-1K-32B-R1 通过“规则编码-知识蒸馏-动态强化-检索增强”的方法论体系，在仅有32B参数规模的情况下，成功实现了优于DeepSeek-R1-671B等超大模型的唐诗生成能力。
+
+## 主要特点
+
+- **低资源高效能**：仅使用1K数据，32B参数规模，显著降低了推理能耗，使文化遗产数字化更加经济可行
+- **格律准确性卓越**：平仄、押韵、对仗、字数控制准确性显著，押韵准确率高达91.23%
+- **艺术表现力优异**：通过知识蒸馏和RAG技术，解决了“形神割裂”问题，生成诗歌意境深远
+- **技术创新性强**：首次将离散的诗歌格律规则转化为可微调的强化学习奖励信号
+- **通用框架可迁移**：构建的技术框架可推广应用于其他古籍文本生成领域
+
+## 使用方法
+
+### 模型加载
+
+```python
+from modelscope import AutoModelForCausalLM, AutoTokenizer
+
+model_id = "njauzwh/QPM-1K-32B-R1"
+tokenizer = AutoTokenizer.from_pretrained(model_id)
+model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto", trust_remote_code=True)
+```
+
+您也可以从Hugging Face加载模型：
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+model_id = "ricardozhy/QPM-1K-32B-R1"
+tokenizer = AutoTokenizer.from_pretrained(model_id)
+model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto", trust_remote_code=True)
+```
+
+### 推理示例
+
+```python
+system_prompt = "Respond in the following format:<think>...</think><answer>...</answer>"
+
+
+query = "请以'春风'为题创作一首五言绝句，押平水韵东韵"
+messages = [
+    {"role": "system", "content": system_prompt},
+    {"role": "user", "content": query}
+]
+response = model.chat(tokenizer, messages)
+print(response)
+
+```
+
+### 格律要求说明
+
+QPM-1K-32B-R1 支持以下格律要求的诗歌创作：
+
+- **诗体**：绝句、律诗
+- **字数**：五言、七言
+- **平仄**：遵循唐诗的平仄规则
+- **押韵**：支持平水韵，可指定韵部
+- **题材/意象**：可指定创作主题、题材和意象词汇
+
+## 技术细节
+
+QPM-1K-32B-R1 基于以下技术创新：
+
+1. **GRPO强化学习**：使用Group Relative Policy Optimization对模型进行训练，将离散的诗歌格律转化为可微调奖励信号
+
+2. **知识定向蒸馏**：通过DeepSeek-R1-671B对数据进行蒸馏，使用冷启动策略初始化参数
+
+3. **RAG检索增强**：集成《平水韵》库驱动的实时检索机制，动态优化诗歌韵律
+
+4. **规则编码机制**：建立规则连续化编码机制，将诗歌格律规则编码为模型可优化的形式
+
+## 评估结果
+
+### 详细评测
+
+下表展示了QPM-1K-32B-R1与其他模型在唐诗生成任务上的详细对比评测结果：
+
+| 模型类型 | 是否冷启动 | 模型名称 | 平仄(tones) | 押韵(rhymes) | 对仗(antithesis) | 字数(length) | 总分(total) |
+| --- | --- | --- | --- | --- | --- | --- | --- |
+| 推理模型+RAG | 冷启动 | **QPM-1K-32B-R1** | 75.63 | **91.23** | 94.20 | 98.76 | **86.34** |
+| 推理模型+RAG | 冷启动 | Qwen2.5-32B-Instruct-RAG | 76.81 | 87.86 | 94.69 | 99.77 | 86.00 |
+| 推理模型+RAG | 未冷启动 | Qwen2.5-32B-Instruct-GRPO-RAG | 80.89 | 83.26 | 93.88 | 97.55 | 85.86 |
+| 推理模型 | / | DeepSeek-R1-671B | 79.94 | 80.92 | 94.67 | 99.59 | *85.15 |
+| 数据集 | / | 唐诗三百首 | 72.99 | 87.20 | 93.72 | 98.13 | 83.91 |
+| 推理模型 | 冷启动 | QPM-1K-32B-R1 | 77.74 | 77.36 | 94.85 | 99.80 | 83.25 |
+| 数据集 | / | 全唐诗 | 71.57 | 85.96 | 93.18 | 97.62 | 82.81 |
+| 推理模型 | 未冷启动 | Qwen2.5-32B-Instruct-GRPO | 79.74 | 72.38 | 94.38 | 99.22 | 82.41 |
+| 推理模型+RAG | 冷启动 | Qwen2.5-14B-Instruct-RAG | 72.28 | 87.54 | 90.63 | 91.47 | 82.44 |
+
+
+
+## 应用场景
+
+- 古典诗词创作辅助
+- 数字人文研究
+- 文化遗产数字化
+- 教育领域的古典文学教学
+- 文化创意产业内容生成
+
+
+## 许可证
+
+本项目采用 [Apache License 2.0](LICENSE) 许��证。
+
+## 致谢
+
+感谢所有为本项目做出贡献的研究人员和开发者。
+
+## 联系方式
+
+如有任何问题，请通过以下方式联系我们：
+
+- GitHub Issues: [提交问题](https://github.com/ricardozhy/QPM-1K-32B-R1/issues)
+- 邮箱：zhaowenhua@njau.edu.cn