聊聊完全开源且值得学习的EmoLLM心理大模型

概述

**EmoLLM** ^[1]是一系列能够支持 理解用户-支持用户-帮助用户 心理健康辅导链路的心理健康大模型，由 LLM指令微调而来。

我个人觉得这个项目值得去研究；为什么？因为区别于别的开源心理大模型，EmoLLM是完全的开源；其开源了数据集、微调方法、训练方法及脚本等，完全的开源出来。对于需要了解领域模型开发的人来说，是非常友好且值得学习的。

架构图如下：

数据集及领域模型

EmoLLM开源了其数据集^[2]，官方根据不同的数据集训练出来了不同的领域模型，譬如角色扮演、老母亲心理咨询师、爹系男友心理咨询师。官方的介绍如下：

• 数据集按用处分为两种类型：General 和 Role-play
• 数据按格式分为两种类型：QA 和 Conversation
• 数据汇总：General（6个数据集）；Role-play（5个数据集）

数据集类型：

• General：通用数据集，包含心理学知识、心理咨询技术等通用内容
• Role-play：角色扮演数据集，包含特定角色对话风格数据等内容

以角色扮演的数据集为例，我个人的分析来看，有两点值得关注：

1. 改造后的数据格式。基于标准的sharegpt格式或alpaca格式改造领域数据格式，用于大模型的训练。
2. 提示词的设计。针对不同的业务场景，设计好不同的提示词。这也是提示词工程的意义与作用。

微调

EmoLLM主要是基于xtuner来实现微调训练^[3]的，其全量微调也是基于此框架。不过EmoLLM在这方面的支持还是不太够的。如下是当前支持的微调模型类型：

EmoLLM的微调文件参数写在了其后面的py文件中：

因此微调时还要注意参数文件。微调数据格式参考datasets文件夹中的数据集来设计即可；这是一套的。

目前来看，ChatGLM3的微调需要额外的处理，参考  ChatGLM3-6b-ft.md^[4] ；我是没怎么看明白，只觉得有点复杂。希望官方可以优化下。

总结

总的来说，EmoLLM是个不错的项目，我们完全可以从零开始借鉴学习，了解并掌握训练领域模型的方方面面。