Upload README.md with huggingface_hub
Browse files
README.md
CHANGED
|
@@ -1,3 +1,161 @@
|
|
| 1 |
-
|
| 2 |
-
|
| 3 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
## Description
|
| 2 |
+
|
| 3 |
+
**MetalGPT-1** is a model built upon the Qwen3-32b and incorporates both continual pre-training and supervised fine-tuning.
|
| 4 |
+
|
| 5 |
+
---
|
| 6 |
+
|
| 7 |
+
### HF Usage (Transformers)
|
| 8 |
+
|
| 9 |
+
```python
|
| 10 |
+
from transformers import AutoTokenizer, AutoModelForCausalLM
|
| 11 |
+
import torch
|
| 12 |
+
|
| 13 |
+
torch.manual_seed(42)
|
| 14 |
+
|
| 15 |
+
model_name = "nn-tech/MetalGPT-1"
|
| 16 |
+
|
| 17 |
+
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
| 18 |
+
model = AutoModelForCausalLM.from_pretrained(
|
| 19 |
+
model_name,
|
| 20 |
+
torch_dtype="bfloat16", # или "auto" в зависимости от окружения
|
| 21 |
+
device_map="auto",
|
| 22 |
+
)
|
| 23 |
+
|
| 24 |
+
prompt = (
|
| 25 |
+
"Назови плюсы и минусы хлоридной и сульфатной технологии производства никеля."
|
| 26 |
+
)
|
| 27 |
+
|
| 28 |
+
messages = [
|
| 29 |
+
{"role": "system", "content": "Ты специалист в области металлургии."},
|
| 30 |
+
{"role": "user", "content": prompt},
|
| 31 |
+
]
|
| 32 |
+
|
| 33 |
+
text = tokenizer.apply_chat_template(
|
| 34 |
+
messages,
|
| 35 |
+
tokenize=False,
|
| 36 |
+
add_generation_prompt=True,
|
| 37 |
+
# Если в чат‑шаблоне поддерживается режим 'thinking',
|
| 38 |
+
# можно добавить/убрать флаг enable_thinking:
|
| 39 |
+
# enable_thinking=False
|
| 40 |
+
)
|
| 41 |
+
|
| 42 |
+
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
|
| 43 |
+
|
| 44 |
+
generated_ids = model.generate(
|
| 45 |
+
**model_inputs,
|
| 46 |
+
max_new_tokens=1024,
|
| 47 |
+
)
|
| 48 |
+
|
| 49 |
+
# Обрезаем префикс промпта
|
| 50 |
+
generated_ids = [
|
| 51 |
+
output_ids[len(input_ids):]
|
| 52 |
+
for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
|
| 53 |
+
]
|
| 54 |
+
|
| 55 |
+
response = tokenizer.batch_decode(
|
| 56 |
+
generated_ids,
|
| 57 |
+
skip_special_tokens=True
|
| 58 |
+
)[0]
|
| 59 |
+
|
| 60 |
+
print(response)
|
| 61 |
+
```
|
| 62 |
+
|
| 63 |
+
### Output
|
| 64 |
+
|
| 65 |
+
```text
|
| 66 |
+
<think>
|
| 67 |
+
Хорошо, мне нужно разобраться в плюсах и минусах хлоридной и сульфатной технологий производства никеля. Начну с того, что вспомню, что эти технологии относятся к гидрометаллургическим процессам, то есть используют водные растворы для извлечения металлов.
|
| 68 |
+
|
| 69 |
+
Сначала подумаю о хлоридной технологии. Возможно, она связана с использованием соляной кислоты или хлорида натрия. Преимущества могут быть в более высокой растворимости некоторых соединений, что позволяет эффективно извлекать никель. Также, возможно, процесс работает при более низких температурах, что экономит энергию. Но есть и недостатки: коррозионная активность хлора может быть проблемой, оборудование должно быть из специальных материалов, что увеличивает стоимость. Также выбросы хлора в атмосферу опасны, требуют сложных систем очистки.
|
| 70 |
+
|
| 71 |
+
Теперь сульфатная технология. Здесь, наверное, используется серная кислота. Плюсы: серная кислота дешевле и доступнее, чем соляная. Процесс может быть более стабильным, меньше коррозии по сравнению с хлоридом. Минусы: возможно, более низкая скорость реакции, необходимость в более высоких температурах, что увеличивает энергозатраты. Также образование сульфатов, которые могут быть менее селективными, что приводит к большему количеству побочных продуктов.
|
| 72 |
+
|
| 73 |
+
Нужно проверить, не путаю ли я процессы. Например, в хлоридной технологии может использоваться хлорирование для перевода никеля в раствор, тогда как в сульфатной — кислотное выщелачивание. Также важно учесть, что хлоридные процессы могут быть более эффективны для определенных типов руд, например, с высоким содержанием железа, так как хлориды железа легко растворяются. В то время как сульфатные процессы могут быть предпочтительнее для руд с низким содержанием железа, чтобы избежать загрязнения раствора.
|
| 74 |
+
|
| 75 |
+
Еще момент: в хлоридной технологии возможно использование электролиза для получения чистого никеля, тогда как в сульфатной — тоже, но с другими условиями. Также стоит упомянуть экологические аспекты: хлоридные процессы могут быть более токсичными, требуют строгого контроля выбросов, тогда как сульфатные — меньше проблем с выбросами, но больше с отходами кислоты.
|
| 76 |
+
|
| 77 |
+
Нужно структурировать ответ, разделив на плюсы и минусы для каждой технологии, возможно, в виде списков. Убедиться, что информация точная и не противоречит друг другу. Проверить, нет ли ошибок в понимании процессов. Например, в хлоридной технологии может быть этап хлорирования, который требует высоких температур, что увеличивает энергозатраты, но позволяет извлекать никель из сложных руд. В сульфатной — возможно, более простой процесс, но менее эффективный для определенных типов сырья.
|
| 78 |
+
|
| 79 |
+
Также стоит отметить, что выбор технологии зависит от типа руды, наличия инфраструктуры, экологических норм и экономических факторов. Возможно, в некоторых регионах предпочтительнее одна технология, в других — другая. Важно подчеркнуть, что обе технологии имеют свои ниши и применяются в зависимости от конкретных условий.
|
| 80 |
+
</think>
|
| 81 |
+
|
| 82 |
+
Плюсы и минусы хлоридной и сульфатной технологий производства никеля
|
| 83 |
+
|
| 84 |
+
Хлоридная технология
|
| 85 |
+
Плюсы:
|
| 86 |
+
1. Высокая селективность и эффективность извлечения — хлориды никеля хорошо растворяются в воде, что позволяет эффективно извлекать металл из сложных руд, включая сульфидные и оксидные.
|
| 87 |
+
2. Возможность работы при низких температурах — некоторые этапы (например, выщелачивание) могут проводиться при умеренных температурах, снижая энергозатраты.
|
| 88 |
+
3. Подходит для руд с высоким содержанием железа — хлориды железа легко растворяются, что упрощает разделение никеля от примесей.
|
| 89 |
+
4. Возможность получения чистого никеля — электролиз в хлоридных растворах позволяет получать высокочистый никель.
|
| 90 |
+
|
| 91 |
+
Минусы:
|
| 92 |
+
1. Коррозионная активность — хлоридные растворы агрессивны, требуют использования дорогостоящих материалов (например, титан, нержавеющая сталь).
|
| 93 |
+
2. Экологические риски — выбросы хлора и его соединений токсичны, требуют сложных систем очистки и контроля.
|
| 94 |
+
3. Высокая стоимость реагентов — соляная кислота и хлорид натрия дороже, чем серная кислота.
|
| 95 |
+
4. Ограниченная применимость — менее эффективна для руд с низким содержанием никеля или высоким содержанием кремнезема.
|
| 96 |
+
|
| 97 |
+
Сульфатная технология
|
| 98 |
+
Плюсы:
|
| 99 |
+
1. Дешевизна реагентов — серная кислота — один из самых доступных и дешёвых реагентов.
|
| 100 |
+
2. Меньшая коррозионная активность — сульфатные растворы менее агрессивны, чем хлоридные, что снижает износ оборудования.
|
| 101 |
+
3. Экологическая безопасность — выбросы сульфатов менее токсичны, проще поддаются контролю.
|
| 102 |
+
4. Широкая применимость — эффективна для большинства типов руд, особенно оксидных и низкосульфидных.
|
| 103 |
+
|
| 104 |
+
Минусы:
|
| 105 |
+
1. Низкая селективност�� — сульфаты железа и других примесей могут мешать извлечению никеля, требуя дополнительных стадий очистки.
|
| 106 |
+
2. Высокие энергозатраты — некоторые процессы (например, выщелачивание) требуют нагревания, что увеличивает расход энергии.
|
| 107 |
+
3. Сложность регенерации кислоты — серная кислота может разлагаться, требуя её частой замены.
|
| 108 |
+
4. Ограниченная эффективность для сложных руд — менее эффективна для руд с высоким содержанием железа или кремнезема.
|
| 109 |
+
|
| 110 |
+
Итог:
|
| 111 |
+
- Хлоридная технология предпочтительна для сложных руд с высоким содержанием никеля и железа, но требует строгого контроля коррозии и выбросов.
|
| 112 |
+
- Сульфатная технология — более экономична и экологична, но менее эффективна для сложных руд. Выбор зависит от типа сырья, инфраструктуры и экологических норм.
|
| 113 |
+
```
|
| 114 |
+
|
| 115 |
+
---
|
| 116 |
+
|
| 117 |
+
### vLLM Usage
|
| 118 |
+
|
| 119 |
+
Пример использования через `vLLM` (см. также `vllm_local.py` в репозитории):
|
| 120 |
+
|
| 121 |
+
```python
|
| 122 |
+
from transformers import AutoTokenizer
|
| 123 |
+
from vllm import LLM, SamplingParams
|
| 124 |
+
|
| 125 |
+
model_name = "nn-tech/MetalGPT-1"
|
| 126 |
+
|
| 127 |
+
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
| 128 |
+
llm = LLM(model=model_name, max_model_len=8192)
|
| 129 |
+
|
| 130 |
+
sampling_params = SamplingParams(
|
| 131 |
+
temperature=0.7,
|
| 132 |
+
repetition_penalty=1.05,
|
| 133 |
+
top_p=0.8,
|
| 134 |
+
top_k=70,
|
| 135 |
+
max_tokens=512,
|
| 136 |
+
)
|
| 137 |
+
|
| 138 |
+
prompt = (
|
| 139 |
+
"Назови плюсы и минусы хлоридной и сульфатной технологии производства никеля."
|
| 140 |
+
)
|
| 141 |
+
|
| 142 |
+
messages = [
|
| 143 |
+
{"role": "system", "content": "Ты специалист в области металлургии."},
|
| 144 |
+
{"role": "user", "content": prompt},
|
| 145 |
+
]
|
| 146 |
+
|
| 147 |
+
prompt_token_ids = tokenizer.apply_chat_template(
|
| 148 |
+
messages,
|
| 149 |
+
add_generation_prompt=True,
|
| 150 |
+
)
|
| 151 |
+
|
| 152 |
+
outputs = llm.generate(
|
| 153 |
+
prompt_token_ids=prompt_token_ids,
|
| 154 |
+
sampling_params=sampling_params,
|
| 155 |
+
)
|
| 156 |
+
|
| 157 |
+
generated_text = [output.outputs[0].text for output in outputs]
|
| 158 |
+
print(generated_text[0])
|
| 159 |
+
```
|
| 160 |
+
|
| 161 |
+
|