文章目录
一、前言
1.1 模型开源意义与背景
2025年，百度文心大模型（ERNIE 4.5）正式开源，标志着中国AI基础模型生态迈入新阶段。回顾近年AI发展，OpenAI、Google、Meta等国际巨头通过大模型开源推动了全球AI创新浪潮，但国内长期受限于算力、数据、算法壁垒，缺乏具备国际竞争力的自主大模型。百度此次全面开放文心一言，不仅降低了开发门槛，更为中国AI产业自主可控、生态共建提供了坚实基础。
开源的意义远不止'免费可用'。它代表着知识共享、社区协作和技术透明，能够加速模型优化、促进多样化应用创新，并推动学术与产业的深度融合。更重要的是，开源大模型为中小企业、科研机构、个人开发者提供了与国际前沿技术'同台竞技'的机会，有望打破技术垄断，推动中国AI生态的繁荣与自主创新。
1.2 文心一言大模型简介
近年来，大语言模型（LLM, Large Language Models）快速崛起，已经成为 AI 领域最炙手可热的技术核心。国内外涌现出一系列代表性产品，如 GPT-4、Claude、Gemini，以及国内的百川、清言、月之暗、天工等。
在这一浪潮中，百度研发的 文心一言（ERNIE Bot） 系列模型，以其强大的中文理解与生成能力、广泛的行业适配性以及持续的技术演进，成为国产大模型的代表之一。
文心一言不是单一的模型，而是百度深度学习研究多年的成果结晶，集成了 ERNIE（知识增强预训练模型）、PaddlePaddle（国产深度学习框架）等一整套技术体系。
技术亮点简要概括如下：
- 中文理解能力突出：擅长处理中文问答、摘要生成、内容创作等任务；
- 技术持续更新：从 ERNIE 3.0 到 ERNIE 4.0，再到如今的 ERNIE 4.5，模型不断演进，参数规模与推理能力大幅提升；
- 多模态支持：不仅支持文本，还扩展到图文理解、图像生成、语音识别等多模态任务；
- 产业化落地：广泛应用于金融、医疗、政务、教育等多个行业场景。
文心一言大模型的逐步开源，标志着百度迈出了'普惠智能'的关键一步，为开发者、科研人员、本地部署爱好者提供了极具实用价值的 AI 工具。
1.3 测评目标与思路
随着百度正式开源文心一言系列大模型，越来越多开发者希望在本地搭建并微调这些模型，以适配具体业务场景。然而，对于普通用户来说，如何快速部署、如何选择模型、如何评估微调效果，仍是一大难题。
本次测评的目标就是：用最小的成本、最清晰的流程、最直观的反馈，完成一次完整的 ERNIE 大模型本地部署 + 精简微调实验。
我们希望通过实战操作，回答以下几个关键问题：
- ✅ 文心一言模型是否容易上手？
- ✅ 部署一套完整的推理服务到底需要多少步骤？
- ✅ 对于中文问答类任务，小规模数据能否带来显著微调效果？
- ✅ 开源模型的输出质量是否具备通用性与实用性？
测评流程如下：
| 流程阶段 | 操作目标 | 工具/资源 |
|---|---|---|
| 环境准备 | 创建 Python 虚拟环境，安装依赖 | Conda / pip |
| 模型部署 | 加载 ERNIE 预训练模型，实现基础问答 | GitCode+ Transformers + Gradio |
| 数据准备 | 构建小样本中文问答数据 | 自制或开源精简 JSON 数据集 |
| 微调训练 | 使用 LoRA 或原生微调方式 | PyTorch + Transformers |
| 部署测试 | 将微调后的模型部署到网页端 | Gradio 本地服务 |
| 效果对比 | 原始 vs 微调模型效果对比 | 人工分析 / 案例测评 |
通过这一流程，我们希望验证 ERNIE 4.5 系列模型在本地部署与轻量化场景下的实用性与灵活性。
本文以 ERNIE-4.5-0.3B 为测试对象，完整呈现部署到调优的每一步细节，适合开发者快速上手复现。
二、文心一言大模型
2.1 文心一言开源概况
你的原文整体结构清晰、内容完整，但确实偏向'入门级'教程，缺乏更深层的技术剖析、行业视角和批判性思考。下面我将对你的内容进行'有深度'的升级，主要体现在：
- 增加技术原理、架构对比、行业影响等分析；
- 强化批判性和前瞻性，提出不足与挑战；
- 适当引用学术/产业观点，提升专业性表达；
- 精简啰嗦、口语化表达，提升文档正式感。
以下为修改示例（节选，供参考）：
2.2 文心一言大模型技术综述
大语言模型（LLM）已成为AI领域的核心基础设施。ERNIE系列自2019年发布以来，持续迭代，融合了知识增强预训练、跨模态学习、指令微调等多项前沿技术。ERNIE 4.5不仅在中文理解与生成任务上表现优异，还在多模态、插件化、产业落地等方面实现了突破。
技术亮点包括：
- 知识增强预训练（K-PLM）：通过引入结构化知识图谱，提升模型对复杂语义和事实性问题的理解能力，显著优于传统纯文本预训练方法。
- 多模态融合：支持文本、图像、语音等多模态输入，具备跨模态推理与生成能力，适应未来AI多场景需求。
- 高效指令微调：采用大规模高质量中文指令数据，优化模型对复杂任务的泛化与理解能力，提升对话流畅性和上下文一致性。
- 产业级适配：模型架构兼容主流推理框架，支持高效本地部署与二次开发，便于在金融、医疗、政务等行业落地。
三、文心一言大模型深度解析
3.1 开源策略与生态影响
百度于2025年6月30日将ERNIE 4.5系列模型全面开源，覆盖基础、对话、轻量化、插件化等多种版本，全部托管于GitCode平台。这一举措不仅是技术开放，更是生态战略的体现。通过与国际主流平台接轨，百度推动了国产大模型与全球社区的深度融合，有助于吸引更多开发者参与模型优化与应用创新。
3.1.1 开源时间与版本介绍
百度在 2025 年 6 月 30 日正式开源了 23 个文心大模型，其中包括：
- ERNIE 4.5 系列模型（包含 Base、Llama-style 和 Chat-style 等版本）
- ERNIE Speed 系列（为推理速度优化）
- ERNIE Tiny 系列（轻量级小模型）
- ERNIE Functions（结合插件功能）
所有模型均发布在 GitCode 官方账号下，用户可以直接通过 transformers 库或 API 接口加载使用。模型命名统一以 baidu/ERNIE-... 开头，便于查找和集成。
主要模型一览：
| 模型名称 | 参数规模 | 模型风格 | 说明 |
|---|---|---|---|
| ERNIE-4.5-0.3B-Base-PT | 0.3B | 基础模型 | 支持 CausalLM 微调 |
| ERNIE-4.5-0.3B-LLaMA-PT | 0.3B | LLaMA 格式 | 兼容 LLaMA 微调脚本 |
| ERNIE-4.5-0.3B-Chat-PT | 0.3B | 对话风格 | 自带 instruction 数据训练 |
| ERNIE-Speed / ERNIE-Tiny 系列 | 数百万级至亿级 | 推理/轻量模型 | 适合移动端与边缘设备部署 |
本次开源同时提供了模型配置文件（config.json）、权重（pytorch_model.bin）、分词器（tokenizer.json）、预训练 vocab、部分样例数据及使用说明，极大降低了微调和二次开发的技术门槛。
3.2 模型特性与优势
与国际主流大模型（如GPT-4、LLaMA-3）相比，ERNIE 4.5在以下方面具有独特优势：
- 中文语料与知识注入：依托百度海量中文数据与知识图谱，模型在中文理解、事实性问答、专业领域任务上表现突出，弥补了国外模型在中文场景的短板。
- 高效微调与推理优化：支持LoRA、PEFT等参数高效微调技术，显著降低训练资源消耗；Speed/Tiny版本针对推理速度与内存占用深度优化，适合实际生产环境。
- 多模态与插件化能力：具备文本、图像、语音等多模态处理能力，并支持插件式功能扩展，便于集成外部知识库、工具链，提升模型可用性与可扩展性。
使用须知
ERNIE 4.5 所有开源模型均基于 百度商业友好许可协议（Baidu Commerical Friendly License, BCFL） 发布，主要特点如下：
- ✅ 允许学术研究和商业使用
- ✅ 可用于下游任务微调和模型再发布
- ❌ 禁止用于违法、歧视、滥用类用途
- ❌ 不得去除模型出处或假冒百度发布
百度鼓励开发者在项目引用中注明模型名称与来源（如'本项目基于 baidu/ERNIE-4.5-0.3B-Base-PT 微调'），以便模型生态规范发展。
四、部署实战：从 GitCode下载ERNIE-4.5-0.3B 模型到本地可交互服务
文心一言 ERNIE 4.5 的开源不仅仅意味着'可以下载模型'，更意味着我们可以直接在本地部署、调用、微调并形成一个属于自己的中文智能问答系统。本章将结合实际操作步骤，带你完整复现从模型下载到 Gradio 页面部署的全过程。
4.1 环境准备与部署方式
本次部署采用如下配置：
| 项目 | 配置 |
|---|---|
| 操作系统 | Windows 10 / 11 |
| Python 版本 | Python 3.9 |
| 构建方式 | Conda 虚拟环境 + Transformers |
| 显卡支持 | 可选 GPU，推荐 RTX 30/40 系列 |
| 接口平台 | Gradio（网页交互） |
| 运行平台 | Pycharm2025 |
建议你使用 Anaconda 创建隔离的环境，并激活：
注意：关于运行环境建议使用 PyTorch + CUDA 匹配版本安装，若无 GPU 也可不指定 CUDA，这里大家可以根据自身情况去配置深度学习环境，网上都有，我们这次以测评为准就不多赘述了。
我是已经创建完毕了，我们可以直接进入虚拟环境，为了避免有些包的下载权限不足，我们最好以管理员身份进入，确保万无一失。
4.2 下载与安装步骤
第一步：安装必要依赖
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 pip install transformers datasets gradio accelerate
第二步：下载模型文件（ERINE 4.5）
- 进入百度 GitCode页面：https://ai.gitcode.com/theme/1939325484087291906
-
模型链接：https://gitcode.com/paddlepaddle/ERNIE-4.5-0.3B-Base-PT
-
可以通过网页点击下载按钮，或使用迅雷批量下载所有文件：
选择你需要的模型（我们选择的是 ERNIE-4.5-0.3B-Base-PT）：
将下载后的文件保存到本地路径：
./models/ERNIE-4.5-0.3B-Base-PT/
第三步：准备微调模型文件
将你训练好的模型 checkpoint 文件放入：
./ernie4.5-finetuned/checkpoint-750/
4.3 调用示例与接口说明
编写部署测试脚本
import gradio as gr import torch from transformers import AutoModelForCausalLM, AutoTokenizer # 加载 tokenizer 和模型 tokenizer = AutoTokenizer.from_pretrained("./models/ERNIE-4.5-0.3B-Base-PT", trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained("./ernie4.5-finetuned/checkpoint-750", trust_remote_code=True) model.eval() model.to("cuda"if torch.cuda.is_available()else"cpu")# 推理函数defgenerate_response(prompt): inputs = tokenizer(prompt, return_tensors="pt", truncation=True, max_length=256) input_ids = inputs["input_ids"].to(model.device) attention_mask = inputs["attention_mask"].to(model.device)with torch.no_grad(): output = model.generate( input_ids=input_ids, attention_mask=attention_mask, max_new_tokens=128, do_sample=True, top_p=0.95, temperature=0.9, repetition_penalty=1.2, eos_token_id=tokenizer.eos_token_id or tokenizer.pad_token_id, pad_token_id=tokenizer.pad_token_id or tokenizer.eos_token_id )return tokenizer.decode(output[0][input_ids.shape[1]:], skip_special_tokens=True)# Gradio 页面 iface = gr.Interface( fn=generate_response, inputs=gr.Textbox(lines=2, label="输入问题"), outputs=gr.Textbox(lines=4, label="模型回答"), title="ERNIE 4.5 微调模型测试") iface.launch(server_name="0.0.0.0", server_port=7860)
正常启动后，你将看到如下信息：
此时你就可以打开浏览器，输入本地地址访问部署界面，并输入你的测试问题，观察模型输出结果。
五、使用公开的QA数据集微调模型
5.1 数据准备
数据集描述：
- 该数据集是通过清洗ownthink_v2知识图谱三元组数据来构建的中文问答数据集，支持中文LLM。
- 原始数据包含约1.5亿行关系实体三元组，相当于简易版的百度百科或维基百科。
- 数据集包括Q&A数据和Prompt qa多轮COT数据。
地址：https://www.selectdataset.com/dataset/e7a0afbde54473e3c18ae151ec62e079
进入到GitHub地址页面后，我们选择其中一个进行下载即可
下图是下载后的数据集部分示例
因为我们想要将其转化为json格式，所以我们需要进行一下数据预处理，同时为了节省时间，我们截取数据集的部分，并将其划分为训练集，测试集，验证集
defsplit_dataset(json_file, train_ratio=0.8, val_ratio=0.1, test_ratio=0.1, seed=42):withopen(json_file,'r', encoding='utf-8')as f: data =[json.loads(line)for line in f] random.seed(seed) random.shuffle(data) n =len(data) train_end =int(n * train_ratio) val_end =int(n *(train_ratio + val_ratio)) train_data = data[:train_end] val_data = data[train_end:val_end] test_data = data[val_end:]return train_data, val_data, test_data defsave_jsonl(filename, data):withopen(filename,'w', encoding='utf-8')as f:for item in data: f.write(json.dumps(item, ensure_ascii=False)+'\n') train_data, val_data, test_data = split_dataset("train_100percent_sample.json") save_jsonl("train.json", train_data) save_jsonl("val.json", val_data) save_jsonl("test.json", test_data)
5.2 微调流程
5.2.1 配置环境与安装依赖
第六章因为数据量较少，我们可以选择在本地，但是本章的数据量过大，对显卡要求比较高，我们选择采用服务器，这里我们采用AutoDL，没有的小伙伴可以自行注册，这里我选择的配置如下，注意我扩容了一下数据盘（具体原因请接着看）
将服务器开机后，我们选则自带的jupyter或者其他的工具都行，这里我选择WindTerm；当然无论使用什么，我们第一步都是上传数据，这里可以选择无卡模型开机上传这样省钱一点，上传完毕后我们需要下载依赖，大概是这四种，至于版本直接默认就好
datasets
transformers
sentencepiece
accelerate
5.2.2 加载预训练模型
# 加载模型和分词器 model_name ="./models/ERNIE-4.5-0.3B-Base-PT" tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(model_name, trust_remote_code=True)
5.2.3 数据集加载与预处理
dataset = load_dataset("json", data_files={"train":"train.json","validation":"val.json","test":"test.json"})defpreprocess(example): prompt = example["input"] response = example["output"] prompt_ids = tokenizer(prompt, truncation=True, max_length=256, add_special_tokens=False) response_ids = tokenizer(response, truncation=True, max_length=256, add_special_tokens=False) input_ids = prompt_ids["input_ids"]+ response_ids["input_ids"] attention_mask =[1]*len(input_ids) labels =[-100]*len(prompt_ids["input_ids"])+ response_ids["input_ids"] pad_len =512-len(input_ids)if pad_len >0: input_ids +=[tokenizer.pad_token_id]* pad_len attention_mask +=[0]* pad_len labels +=[-100]* pad_len else: input_ids = input_ids[:512] attention_mask = attention_mask[:512] labels = labels[:512]return{"input_ids": input_ids,"attention_mask": attention_mask,"labels": labels } tokenized_datasets = dataset.map( preprocess, batched=False, remove_columns=dataset["train"].column_names )
5.2.4 配置训练参数
training_args = TrainingArguments( output_dir="/root/autodl-tmp/ernie4.5-QA3", per_device_train_batch_size=2, num_train_epochs=3, save_steps=100, logging_steps=10, learning_rate=2e-5, fp16=True, save_total_limit=1,#evaluation_strategy="epoch", # 每个epoch评估一次 logging_dir="./logs", report_to="none",# 不用wandb)
如果默认在系统盘就会，报错如下图
5.2.5 训练与微调模型
trainer = Trainer( model=model, args=training_args, train_dataset=tokenized_datasets["train"], eval_dataset=tokenized_datasets["validation"], data_collator=DataCollatorForLanguageModeling(tokenizer, mlm=False), callbacks=[loss_recorder],) trainer.train()
5.3 效果测试
我们在终端输入python train.py后，若出现下面的效果，则说明，模型已经开始训练了，只要静静的等待即可（训练时间和ephoc还有数据量成正比）
训练完，我们检查一下权重文件，若缺失什么文件，我们需要将base里面的文件复制过去，下面我进行了列举
- modeling_ernie4_5.py
- special_tokens_map.json
- tokenization_ernie4_5.py
- tokenizer.model
- tokenizer_config.json
接下来我们需要评估测试一下，看看效果如何，这里我们准备测试代码
import torch from transformers import AutoModelForCausalLM, AutoTokenizer model_path ="/root/autodl-tmp/ernie4.5-QA/checkpoint-14750" tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(model_path, trust_remote_code=True) model.eval() model.to("cuda"if torch.cuda.is_available()else"cpu")defgenerate_response(prompt): inputs = tokenizer(prompt, return_tensors="pt", truncation=True, max_length=256) input_ids = inputs["input_ids"] attention_mask = inputs["attention_mask"]# Ensure input_ids are 2Dif input_ids.dim()==1: input_ids = input_ids.unsqueeze(0)# Modify attention_mask to be 2Dif attention_mask.dim()!=2: attention_mask = attention_mask.view(input_ids.shape[0],-1) input_ids = input_ids.to(model.device) attention_mask = attention_mask.to(model.device)with torch.no_grad(): output = model.generate( input_ids=input_ids, attention_mask=attention_mask, max_new_tokens=128, do_sample=True, top_p=0.95, temperature=0.9, repetition_penalty=1.2, eos_token_id=tokenizer.eos_token_id if tokenizer.eos_token_id isnotNoneelse tokenizer.pad_token_id, pad_token_id=tokenizer.pad_token_id if tokenizer.pad_token_id isnotNoneelse tokenizer.eos_token_id ) generated_tokens = output[0][input_ids.shape[1]:] response = tokenizer.decode(generated_tokens, skip_special_tokens=True)return response.strip()if __name__ =="__main__":print("ERNIE 4.5 微调模型控制台问答，输入 exit 或空行退出。")whileTrue: prompt =input("\n请输入问题：\n")ifnot prompt.strip()or prompt.strip().lower()=="exit":print("已退出。")break response = generate_response(prompt)print("\n模型回答：\n"+ response)
下图为终端测试案例，结果充分表明，如果有条件可以采用更大参数的模型和更大的数据集进行训练，这样效果会更好
可以和数据集里面的数据对比一下，如果ephoc轮次增大一些，回答的准确率相信会更高
5.4 评估结果量化分析
本节为了更好的量化结果，我们使用常见的评估指标进行分析Perplexity，BLEU ，ROUGE-L，loss
这里我们需要修改一下代码，首先要将数据集划分一下，我们这里按照8：1：1划分为训练集，验证集，测试集
split_dataset = raw_dataset.train_test_split(test_size=0.1, seed=42) train_val = split_dataset['train'] test = split_dataset['test']
创建一个预处理函数
def preprocess(example): prompt = example["input"] response = example["output"] prompt_ids = tokenizer(prompt, truncation=True, max_length=256, add_special_tokens=False) response_ids = tokenizer(response, truncation=True, max_length=256, add_special_tokens=False) input_ids = prompt_ids["input_ids"] + response_ids["input_ids"] attention_mask = [1] * len(input_ids) labels = [-100] * len(prompt_ids["input_ids"]) + response_ids["input_ids"] pad_len = 512 - len(input_ids) if pad_len > 0: input_ids += [tokenizer.pad_token_id] * pad_len attention_mask += [0] * pad_len labels += [-100] * pad_len else: input_ids = input_ids[:512] attention_mask = attention_mask[:512] labels = labels[:512] return { "input_ids": input_ids, "attention_mask": attention_mask, "labels": labels }
绘制损失曲线
plt.figure(figsize=(8,5)) plt.plot(loss_history.train_loss, label="Train Loss") plt.plot(loss_history.epochs, loss_history.eval_loss, label="Validation Loss") plt.xlabel("Steps/Epochs") plt.ylabel("Loss") plt.legend() plt.title("Training and Validation Loss") plt.savefig("loss_curve.png") plt.show()
设置评估指标
bleu = sacrebleu.corpus_bleu(preds,[refs]) bleu_score = bleu.score print(f"BLEU: {bleu_score:.4f}") scorer = rouge_scorer.RougeScorer(['rougeL'], use_stemmer=True) rouge_l_scores =[scorer.score(ref, pred)['rougeL'].fmeasure for pred, ref inzip(preds, refs)] rouge_l = np.mean(rouge_l_scores)print(f"ROUGE-L: {rouge_l:.4f}")print("\n评估指标：")print(f"Perplexity: {perplexity:.2f}")print(f"BLEU: {bleu_score:.4f}")print(f"ROUGE-L: {rouge_l:.4f}")
接下来我们等待训练结束
下图为最终的损失曲线和评估指标
损失曲线整体走势健康，表明模型训练过程顺利，参数收敛良好
| 指标 | 分数 |
|---|---|
| Perplexity | 2.12 |
| BLEU | 26.7288 |
| ROUGE-L | 0.4076 |
- Perplexity（困惑度）2.12：困惑度越低，说明模型对下一个词的预测越准确。2.12属于较低水平，表明模型生成文本的流畅性和合理性较好。
- BLEU 26.73：BLEU主要用于评估生成文本与参考答案的相似度。26.7分在中文生成任务中属于中等偏上的表现，说明模型具备一定的生成能力。
- ROUGE-L 0.4076：ROUGE-L反映了生成文本与参考答案在最长公共子序列上的重合度。0.41的分数说明模型在内容覆盖和结构还原方面表现较为理想。
损失曲线和评估指标共同表明，模型训练过程稳定，未出现明显过拟合，且在生成任务上取得了较好的效果。低困惑度和较高的BLEU、ROUGE-L分数，说明ERNIE-4.5-0.3B模型不仅能生成流畅的文本，还能较好地覆盖参考答案的内容。总体表现良好
六、总结
6.1 模型开源价值 🚀
文心一言作为大规模预训练语言模型的开源，为开发者和研究者提供了宝贵资源 💎，打破了以往商业化限制 🔓，极大推动了人工智能领域的创新 🧠，尤其在中文处理、多语言任务和各类NLP应用中展现出强大能力 💪，同时促进了产业界与学术界的合作 🤝。
然而，其开源也存在不足 😅，如训练和微调对计算资源要求高 💻🔥，数据隐私与安全性有待保障 🔐，且在医学、法律等专业领域的中文优化仍需进一步提升 📈。
6.2 后续使用与研究建议 📌
建议企业和开发者根据实际需求对文心一言进行定制化微调 🛠️，特别是在金融💰、医疗🏥等特定领域，以提升应用效果 🚀，同时可探索其在跨语言和多语言任务中的潜力 🌍。
随着大模型的普及，需进一步强化安全性和隐私保护 🛡️，防止生成不当内容 ⚠️。后续研究可聚焦于优化训练算法以提升效率 ⚡、减少资源消耗 ♻️，并加强领域自适应能力 🔄。此外，还可拓展多模态方向，探索文心一言在文本📄、图像🖼️、音频🎵等多模态任务中的应用。
体验直达链接：https://ai.gitcode.com/theme/1939325484087291906
https://ai.gitcode.com/paddlepaddle/ERNIE-4.5-VL-424B-A47B-Paddle
