kst-instruct-following 0.2.0

src for kst_instruct_following

指令跟随

医疗营销套电模型的目的是通过与患者在问诊的过程中建立信任，并在合理的时机索取患者联系方式，以期后续人工介入营销的机器人。

然而，目前的机器人指令跟随能力较差，包括符合人类偏好的通用指令以及不同需求方的特殊指令。提升指令跟随能力对机器人的套电成功率的提高具有很大的潜力，如：适应对话套路和流程、提高对话延续性、避免潜在纠纷风险等等。

建议服务器

192.168.1.67 [66服务器上可能由部分代码不是最新版]

指令跟随项目

---

/data/daixl/RL_study/instruct_following_project

-- dataset/ # 存放了儿科、眼科、妇产科的数据
-- instruction_cluster_dict.json #存放从 约束_new.xlsx 转换的json格式
-- logs/ # 保存vllm和grpo采样回复和打分
-- output/ # 存放模型训练checkpoint
-- save_models/ # 存放训练好的模型
-- script/ # 存放训练脚本
-- src/ # 存放主要代码
-- data_process/
    -- Config.py # 为按轮次随机构造策略和指令
    -- instruction_constructor.py # 将 约束_new.xlsx 
        # 转换为instruction_cluster_dict.json
    -- standard_datasets.py # 通过原始数据生成sft dpo grpo的数据 
        # 以及带指令约束的数据
    -- instruction_follow_creator.py # 针对带指令约束的数据采样-打分
        # 对应的completion[还需要优化,因为并不是所有的回复都满足指令(脏数据)]
-- template/ # 存放不同的prompt模板
-- processor.py # 为不同的数据预处理函数
-- sft_training.py 为sft训练代码
-- grpo_training.py 为grpo训练代码
-- grpo_rewarder.py 为Rewarder类
-- vllm-functions.py 为Rewarder采样以及其他采样生成回复时的调用函数
-- reward_model_trianing.py 为reward model 训练代码,未完善
-- vllms/ #存放vllm接口脚本，

---

自动化测试

/data/daixl/RL_study/deployment

分别为妇产科以及眼科的自动化测试脚本, 自行修改structure_data.py下的Dialog类的dialog_to_str_dxl函数以修改模型输入

---

外部数据集

/data/daixl/RL_study/dataset

也等价于

/data/public/data/Med_datasets/extra_format_datasets

zhongpei记录

• 数据鼻祖（没有经过任何处理的数据）

  • /data3/zhongp/instruct_following_project/dataset/yk/raw/yk_train.jsonl

• 数据流程：

  1. yk_train.jsonl
  2. yk_train_rewrite.jsonl：由yk_train.jsonl改写而来
  3. yk_sft_train_if.jsonl

• 代码流程：