README.md

# HER-RM
## 论文
[HER-RM](https://arxiv.org/pdf/2601.21459)

## 模型简介
HER-RM 是一款专为评估角色扮演回复而设计的生成式奖励模型。与输出单一标量分数的传统奖励模型不同，HER‑RM 能基于对话上下文动态生成场景化的评估准则，并提供详细的对比分析。  
核心特性:  
🎯 **情境感知评估**：根据对话上下文动态生成评估准则    
📝 **精细化分析**：逐条准则进行推理对比分析    
🔄 **成对比较**：比较两个候选回复并判定优胜者    
📊 **107 条精炼准则**：训练涵盖 12 个评估维度的准则体系
<div align=center>
    <img src="./doc/perf.jpg"/>
</div>

## 环境依赖

| 软件 | 版本 |
| :------: | :------: |
| DTK | 25.04.2 |
| python | 3.10.12 |
| transformers | >=4.57.1 |
| vllm | 0.11.0+das.opt1.alpha.dtk25042.20251225.gca4598a4 |
| torch | 2.5.1+das.opt1.dtk25042 |
| triton | 3.1.0+das.opt1.dtk25042.20251224.gaa867475 |


推荐使用镜像:harbor.sourcefind.cn:5443/dcu/admin/base/vllm:0.11.0-ubuntu22.04-dtk25.04.2-tx-1226-das1.7-py3.10-20251226
- 挂载地址`-v`根据实际模型情况修改

```bash
docker run -it --shm-size 60g --network=host --name HER-RM --privileged --device=/dev/kfd --device=/dev/dri --device=/dev/mkfd --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root -v /opt/hyhal/:/opt/hyhal/:ro -v /path/your_code_path/:/path/your_code_path/  harbor.sourcefind.cn:5443/dcu/admin/base/vllm:0.11.0-ubuntu22.04-dtk25.04.2-tx-1226-das1.7-py3.10-20251226 bash
```
更多镜像可前往[光源](https://sourcefind.cn/#/service-list)下载使用。

关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.sourcefind.cn/tool/)开发者社区下载安装。

## 数据集
暂无

## 训练
暂无

## 推理

### vllm
#### 单机推理

```bash
## serve启动
可参考vllm_serve.sh脚本
export HIP_VISIBLE_DEVICES=0,1
vllm serve ChengyuDu0123/HER-RM-32B --trust-remote-code --dtype bfloat16 -tp 2 --max-mod 32768 --port 8010
## client访问
可参考vllm_cilent.sh
curl -X POST "http://localhost:8010/v1/chat/completions"      -H "Content-Type: application/js  --data '{
                "model": "ChengyuDu0123/HER-RM-32B",
                "messages": [
                        {
                                "role": "user",
                                "content": "请介绍下自己"
                        }
                ]
        }'

```

## 效果展示
<div align=center>
    <img src="./doc/result.png"/>
</div>

### 精度
DCU与GPU精度一致，推理框架：vllm。

## 预训练权重
| 模型名称  | 权重大小  | DCU型号  | 最低卡数需求 |下载地址|
|:-----:|:----------:|:----------:|:---------------------:|:----------:|
| HER-RM-32B | 32B | K100AI | 2 | [下载地址](https://huggingface.co/ChengyuDu0123/HER-RM-32B) |

## 源码仓库及问题反馈
- https://developer.sourcefind.cn/codes/modelzoo/her-rm_vllm

## 参考资料
- https://huggingface.co/ChengyuDu0123/HER-RM-32B