本项目旨在通过使用Xtuner对基于InternLM2架构的Chat大模型进行微调，以提升模型在财税领域的表现和预测能力。通过利用大量的财税数据和优秀的大模型微调技术，我们期望此模型能够帮助财税专业人士、公司和政策制定者更好地理解财税政策、预测经济趋势，并做出更加明智的决策。

• 基于先进的InternLM2架构：采用业界领先的语言模型框架，确保模型的强大性能和灵活性。
• 专门微调：通过Xtuner精细调整模型参数，使模型更适合财税领域的具体需求。
• 广泛应用场景：适用于财税政策分析、趋势预测、税务规划和风险管理等多个方面。
• 易于集成：可轻松集成到现有的财税分析工具和平台中。

请确保您已安装Conda。然后，您可以克隆此存储库并安装相关的包。

git clone https://github.com/zbisure/FinanceTaxLLM.git
cd FinanceTaxLLM/env

本项目使用Xtuner对InternLM2模型进行微调，以改善其在财税领域的性能。微调过程基于以下步骤：

准备并预处理财税领域的数据集。

根据财税任务的特点设置微调参数。

使用Xtuner和准备好的数据对模型进行微调。

评估微调后模型的性能，并进行必要的调整。

本项目属于书生浦语实战训练营的练习项目，数据集量非常少，所以微调之后的模型效果不是很好，后续需要收集更多的数据集加入训练，如果有相关数据集也欢迎沟通交流。

感谢书生·浦语大模型实战训练营提供学习的机会

该项目采用 Apache License 2.0 开源许可证 同时，请遵守所使用的模型与数据集的许可证。