模型仓库：[OpenXLab]
演示视频：[Bilibili]
在线体验Demo：[Powered by Coze]
从人造肉、人造蛋白，到基因编辑技术 CRISPR-Cas9，近年来， 合成生物学在各个领域落地开花，引领着一场被称为“第三次生物技术革命”的科学浪潮。而合成生物学知识的普及，面临着以下的挑战：
一方面，合成生物学是一门融合了生物学、化学、工程学、计算机科学等领域知识的交叉学科，许多尖端技术都对合成生物学的进步起到了不可或缺的推动作用。
另一方面，我国在生物科技领域依旧和先进发达国家有着一定差距，处于追赶状态。特别是具有跨领域知识储备以及丰富实践经验的教师人才十分匮乏。
为弥补上述不足，我们开发了基于InternLM2大语言模型的《合成生物学》助教InternTA，旨在帮助学生更好地学习《合成生物学》这门课程。通过提供关键词和思路，并指出教材中相关的章节，我们希望开发的InternTA可以引导学生自行思考，从而完成对合成生物学知识的高质量学习，达到“授人以渔”的目的。
InternTA从《合成生物学》教材中取材，通过半自动化方式产生教学对话作为微调数据集，使用Xtuner工具对InternLM2-Chat-1.8B-SFT基础模型进行微调，使用streamlit作为框架开发网页端DEMO应用。
InternTA的实现原理如下图所示：
其中微调数据准备是最为关键的环节之一。我们准备的微调训练数据包含两类：直接问答数据和引导式问答数据。微调数据准备的步骤如下图所示：
- 首先，我们整理出问题库，主要包括三类：课后思考题、附录关键名词和基础概念知识。我们根据这些问题在《合成生物学》教材中检索相应的答案。
- 紧接着，我们整理检索到的答案，形成助教可以使用的回答数据库。对于关键名词和基础概念知识，我们会直接提供答案与用户交流。
- 对于《合成生物学》教材的课后思考题，我们使用更大参数规模的大语言模型（如GPT4o）将正确答案改写成引导式回答形式，避免直接告知用户标准答案。
在线体验地址：[Powered by Coze]
本地体验方法(8G显存以上NVIDIA GPU)：
# 克隆仓库
git clone https://github.com/kongfoo-ai/internTA
# 进入项目目录
cd InternTA
# 安装依赖
pip install -r requirements.txt
# 启动demo, 默认端口为8080如有需要可以修改
sh run.sh
# 查看运行日志
tail -f nohup.out安装依赖项。
pip install -r requirements.txt使用开源样例生成训练数据。
cd data
python generate_data.py进入项目根目录
cd $ROOT_PATH 检查data目录下是否有名为personal_assistant.json的数据。
ls -lh data使用data目录下以上步骤生成的到的数据以及xtuner工具微调模型。
sh train.sh观察train目录下的到的模型权重，目录的命名规则为pth_$NUM_EPOCH。
ls -lh train将微调得到的Adapter合并至基模型。
# 注意需要将待合并权重的目录后缀作为参数传入，用于指定合并哪个目录下的LORA参数
sh merge.sh $NUM_EPOCH测试final目录下最终合并后的模型。
# 注意修改模型路径
sh chat.sh该部分用于计算 InternTA 模型回答的 ROUGE 相似度分数，生成评测结果。
运行评估脚本
#确保你的 SynBio-Bench.json 文件存在于正确的目录下
pytest ./test/test_model_evaluation.py该命令将处理数据文件，并输出结果到 test_results.csv 文件。
脚本中的单元测试用于验证从模型 API 获取的回答是否有效以及 ROUGE 相似度分数的计算是否正确。