output
This model is a fine-tuned version of ZhipuAI/chatglm3-6b on the industry_class dataset.
Model description
More information needed
Intended uses & limitations
More information needed
Training and evaluation data
训练集样例:
{"instruction": "你是专门进行企业分类的专家。请根据提供的企业相关信息:'{'企业名称（全称）': '自动化工程（武汉）有限公司', '经营范围': '一般项目：金属结构制造；金属结构销售；金属材料制造；金属材料销售；机械电气设备制造；机械电气设备销售；电子元器件与机电组件设备制造；通用设备修理；电气设备修理；电子、机械设备维护；金属切割及焊接设备制造；金属切割及焊接设备销售；船舶自动化、检测、监控系统制造；船用配套设备制造；工业自动控制系统装置制造；工业自动控制系统装置销售；工业机器人制造；工业机器人安装、维修；增材制造；增材制造装备制造；增材制造装备销售；智能机器人的研发；智能基础制造装备制造；智能基础制造装备销售；海洋工程装备制造；海洋工程装备销售；海上风电相关装备销售；人工智能基础软件开发；人工智能应用软件开发；技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；技术进出口；货物进出口；软件销售；软件开发；对外承包工程；工程管理服务；非居住房地产租赁；租赁服务', '所属行业': '金属制品、机械和设备修理业', '一级行业分类': '制造业', '二级行业分类': '金属制品、机械和设备修理业', '三级行业分类': '其他机械和设备修理业'}'，将企业划分到以下类别中，企业可能属于多个类别：['文化旅游', '大健康和生物技术', '现代金融', '商贸物流', '绿色环保', '智能建造', '数字创意', '氢能', '高端装备和先进基础材料', '网络安全', '“光芯屏端网”新一代信息技术', '汽车制造和服务', '量子科技', '航空航天', '人工智能', '深地深海深空', '空天信息', '电磁能', '脑科学和类脑科学', '超级计算']。请按照列表的格式回答。 ", "input": "", "output": "[\"人工智能\", \"高端装备和先进基础材料\"]"}
测试集样例：
{"instruction": "你是专门进行企业分类的专家。请根据提供的企业相关信息:'{'企业名称（全称）': '武汉成全农业有限公司', '经营范围': '一般项目：谷物种植,豆类种植,油料种植,薯类种植,棉花种植,蔬菜种植,花卉种植,水果种植,茶叶种植,农产品的生产、销售、加工、运输、贮藏及其他相关服务。', '所属行业': '农业', '一级行业分类': '农、林、牧、渔业', '二级行业分类': '农业', '三级行业分类': '谷物种植'}'，将企业划分到以下类别中，企业可能属于多个类别：['文化旅游', '大健康和生物技术', '现代金融', '商贸物流', '绿色环保', '智能建造', '数字创意', '氢能', '高端装备和先进基础材料', '网络安全', '“光芯屏端网”新一代信息技术', '汽车制造和服务', '量子科技', '航空航天', '人工智能', '深地深海深空', '空天信息', '电磁能', '脑科学和类脑科学', '超级计算']。请按照列表的格式回答。 ", "input": ""}
Training procedure
Training hyperparameters
The following hyperparameters were used during training:
- learning_rate: 5e-05
- trainbatchsize: 1
- evalbatchsize: 8
- seed: 42
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
- lrschedulertype: cosine
- num_epochs: 2.0
- mixedprecisiontraining: Native AMP
Training results
Framework versions
- PEFT 0.10.0
- Transformers 4.39.1
- Pytorch 2.1.2+cu121
- Datasets 2.16.1
- Tokenizers 0.15.2
评论