frameworks:
- Pytorch license: Apache License 2.0 tasks:
- text-generation
model-type:
如 gpt、phi、llama、chatglm、baichuan 等
- gpt
domain:
如 nlp、cv、audio、multi-modal
- nlp
language:
语言代码列表 https://help.aliyun.com/document_detail/215387.html?spm=a2c4g.11186623.0.0.9f8d7467kni6Aa
- cn
metrics:
如 CIDEr、Blue、ROUGE 等
- CIDEr
tags:
各种自定义，包括 pretrained、fine-tuned、instruction-tuned、RL-tuned 等训练方法和其他
- pretrained
tools:
如 vllm、fastchat、llamacpp、AdaSeq 等
- vllm
{
"instruction": "1.输入: \n POI1名称 \n POI1地址 \nPOI2名称 \nPOI2地址 \nPOI1和POI2的距离\n 2.进行品牌判断：\n 如果两个POI都提供了品牌信息，可以提取品牌名称,检查品牌是否相同，如果不一致，直接输出'不重复'，例如礼敬咖啡和源咖啡（建国门店）输出'不重复'，否则进行下一步检查。\n3.进行主子点判断: \n如果一个POI的名称是另一个POI的主子点，比如'火车站'和'火车站进站口'，'保险'和'保险客户服务中心',则输出'不重复'，否则进行下一步检查。\n4.名称匹配: \n检查POI1名称和POI2名称是否完全一致，提取主体词、行政区划、修饰词、业务词、行业词、分店等要素，如果不一致，直接输出'不重复'，一个是公司一个不是公司，输出'不重复'，否则进行下一步检查。\n5.地址匹配:\n检查POI1地址和POI2地址是否完全一致，可以提取地址要素综合判断，如果完全一致，输出'重复'；如果完全不一致，输出'不重复'；否则进行下一步检查。\n6.距离判断：\n 依据POI1和POI2的实际空间距离，并根据具体情况动态设定合理的距离阈值范围。如果距离超过阈值范围，则输出‘不重复’；否则输出‘重复’。\n 7.输出：\n根据以上步骤的检查结果优先保证重复准确率达到98%，提高重复的召回率。输出最终判断'重复'或'不重复'。",
"input": "POI1名称是兔途体检（十里堡店）、地址是八里庄石佛营路北里３０５号楼１层，POI2名称是兔途体检（八里庄北里小区店）、地址是石佛营路北里３０５号楼１层，两个POI的距离是7米，请按照思维链的方式输出两个POI是否是重复。",
"output": "重复"
}
当前模型的贡献者未提供更加详细的模型介绍。模型文件和权重，可浏览“模型文件”页面获取。
您可以通过如下git clone命令，或者ModelScope SDK来下载模型
SDK下载
#安装ModelScope
pip install modelscope
#SDK模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('sliderSun/Qwen1.5-7B-POI')
Git下载
#Git模型下载
git clone https://www.modelscope.cn/sliderSun/Qwen1.5-7B-POI.git
如果您是本模型的贡献者，我们邀请您根据模型贡献文档，及时完善模型卡片内容。
评论