File size: 5,245 Bytes
d11487f |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 |
---
library_name: transformers
license: apache-2.0
license_link: https://huggingface.co/Qwen/Qwen3-1.7B/blob/main/LICENSE
pipeline_tag: text-generation
base_model:
- Qwen/Qwen3-1.7B-Base
---
# 小熠（Yee）AI 数据安全专家
> 由 [广州熠数信息技术有限公司](https://shining-data.com) 开发，基于大语言模型技术构建的数据安全智能助手。
小熠（Yee）是一款专注于 **数据安全领域** 的 AI 专家系统，依托于先进的 **Qwen3-1.7B** 大语言模型架构，并融合了数据分类分级、安全审计、防护检测等专业能力。它为工业、政务、运营商等行业提供轻量化、智能化的数据安全解决方案，帮助用户实现“合规、可视、可控、可防”的数据安全目标。
小熠以 **AI 数据安全专家大模型** 为核心技术基座，构建了全栈式数据安全审计与全链路防泄露体系，在“云”、“管”、“端”三大场景中落地应用，助力企业从容应对数字经济时代的安全挑战。
---
## 🔍 核心特点
- **基于 Qwen3-1.7B 构建**
- 使用阿里巴巴通义千问最新一代大语言模型 Qwen3，具备强大的推理、逻辑判断与指令执行能力。
- 支持在 **Thinking Mode** 和 **Non-Thinking Mode** 之间灵活切换，适应不同应用场景。
- **双模推理机制**
- 在复杂逻辑任务（如代码分析、数学计算、策略制定）中启用 Thinking Mode。
- 在日常对话、快速响应场景中使用 Non-Thinking Mode，提升效率。
- **Agent 化能力**
- 集成 Qwen-Agent 框架，支持调用外部工具（如数据库接口、日志分析器、API 接口等），实现自动化任务执行。
- **高兼容性**
- 支持主流部署方式：本地运行、Docker 容器、Kubernetes 集群、SaaS API 接口等。
- 兼容 HuggingFace Transformers、vLLM、SGLang、Ollama 等推理框架。
---
## 📊 性能测试
以下是小熠在 [CS-Eval](https://cs-eval.com/#/app/leaderBoard) 中多个安全领域的综合得分测试结果，基于模拟真实业务场景的评估体系生成：
| 综合得分 | 系统安全及软件安全基础 | 访问控制与身份管理 | 加密技术与密钥管理 | 基础设施安全 | AI与网络安全 | 漏洞管理与渗透测试 | 威胁检测与预防 | 数据安全和隐私保护 | 供应链安全 | 安全架构设计 | 业务连续性与应急响应恢复 | 中文任务 | 英文任务 |
|----------|------------------------|--------------------|--------------------|--------------|--------------|--------------------|----------------|--------------------|------------|--------------|--------------------------|----------|----------|
| 77.48 | 78.00 | 79.31 | 71.90 | 78.37 | 84.65 | 75.24 | 78.41 | 73.02 | 86.71 | 80.49 | 71.33 | 77.58 | 76.03 |
---
## 📦 快速开始
```python
from transformers import AutoTokenizer, AutoModelForCausalLM
# 加载 tokenizer 和模型
tokenizer = AutoTokenizer.from_pretrained("sds-ai/Yee-R1-mini")
model = AutoModelForCausalLM.from_pretrained(
"sds-ai/Yee-R1-mini",
torch_dtype="auto",
device_map="auto"
)
# 输入提示
prompt = "请帮我检查这份数据是否包含敏感字段？"
# 应用聊天模板并切换模式
messages = [{"role": "user", "content": prompt}]
text = tokenizer.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True,
enable_thinking=True # 切换至思考模式
)
# 编码输入
inputs = tokenizer([text], return_tensors="pt").to(model.device)
# 生成响应
response_ids = model.generate(**inputs, max_new_tokens=32768)
response = tokenizer.decode(response_ids[0][len(inputs.input_ids[0]):], skip_special_tokens=True)
print("小熠：\n", response)
```
---
## 🛠️ 部署方式
你可以通过以下任意一种方式部署小熠：
### 使用 SGLang 启动服务
```bash
python -m sglang.launch_server --model-path sds-ai/Yee-R1-mini --reasoning-parser qwen3
```
### 使用 vLLM 启动服务
```bash
vllm serve sds-ai/Yee-R1-mini --enable-reasoning --reasoning-parser deepseek_r1
```
### 使用 Ollama / LMStudio / llama.cpp / KTransformers
Qwen3 已被主流本地化 LLM 工具广泛支持，详情请参考官方文档。
---
## 📚 最佳实践建议
为获得最佳性能，请遵循以下推荐设置：
| 场景 | 温度 | TopP | TopK | MinP | Presence Penalty |
|------|------|------|------|------|------------------|
| 思考模式 (`enable_thinking=True`) | 0.6 | 0.95 | 20 | 0 | 1.5 (减少重复输出) |
| 非思考模式 (`enable_thinking=False`) | 0.7 | 0.8 | 20 | 0 | 不推荐使用 |
- 输出长度建议设为 **32,768 tokens**，复杂任务可提升至 **38,912 tokens**。
- 在多轮对话中，历史记录应仅保留最终输出部分，避免引入思维内容影响上下文理解。
---
## 📞 联系我们
了解更多关于小熠的信息，请访问 [熠数信息官网](https://shining-data.com)
---
## 🌟 致谢
感谢阿里通义实验室开源 Qwen3 模型，为小熠提供了坚实的语言理解和生成能力基础。
|