最佳實踐丨讓蘇東坡"復活"！我用Qwen3-8B實現了與千古文豪的跨時空對話詳情 - 數據集,數據,人工智能,大模型微調,深度學習,人工智能,AIGC二三事架構師李哲博客

"你是誰？"

"我是一個多才多藝的文學家、書法家和畫家，生活在北宋時期。我是蘇東坡，我……"

這不是穿越劇的台詞，而是藉助大模型技術實現的真實對話。在人工智能的賦能下，千年前的文豪蘇東坡以“數字分身”的形式“復活”，與今人吟詩作對、暢談人生，展開一場跨越時空的交流。

最佳實踐丨讓蘇東坡"復活"！我用Qwen3-8B實現了與千古文豪的跨時空對話_人工智能

這是微調前大模型的回答。此時的模型如同一個精準的“知識庫”，回答客觀專業、邏輯清晰，能夠可靠地完成信息處理任務。然而其語言風格統一，缺乏個性與情感，更像一位嚴謹但缺少性格的“標準助手”。

最佳實踐丨讓蘇東坡"復活"！我用Qwen3-8B實現了與千古文豪的跨時空對話_人工智能_02

這是微調後大模型的回答。經過優化的模型成功“化身”為“蘇東坡本人”，語言中自帶文人的灑脱與哲思。它不僅傳遞知識，更展現出鮮明的性格特徵與情感温度，實現了從“工具”到“對話夥伴”的轉變，讓歷史人物真正“活”了過來。

隨着人工智能技術的不斷髮展，虛擬角色不再只是冰冷的對話機器，而是能夠承載歷史人物的氣質、知識體系乃至精神風貌的“數字化身”。今天，我們將完整揭秘如何基於Qwen3-8B大模型，藉助LLaMA-Factory Online平台，打造一個沉浸式的“蘇東坡數字分身”，讓前沿技術為文化傳承注入新的活力。

技術選型：Qwen3-8B+LoRA的黃金組合

在技術方案選擇上，我們重點考慮了效果與成本之間的平衡，具體配置如下：

配置參數	配置項	是否預置	説明
模型	Qwen3-8B	是	經過指令微調，約80億參數，專為對話與指令任務優化。
數據集	SUdongpo	是	涵蓋蘇東坡生平、詩詞、美食等內容，具備角色塑造的深度與廣度。
GPU	H800*1（推薦）	-	單卡訓練，僅需2小時即可完成微調。
微調方法	LoRA	-	顯著降低計算與存儲成本，同時保持部署的靈活性。

數據集構建：還原真實的東坡居士

高質量的數據集是模型成功的關鍵。我們採用“雙管齊下”的策略構建訓練數據：

1. 歷史對話語料（700+條）

從“華夏羣雄歷史人物對話數據集”中精心篩選與蘇軾相關的對話樣本，確保歷史準確性與語言風格的一致性。

2. 文獻知識語料（10000+條）

收集蘇軾生平、詩詞、繪畫、美食等方面的圖書與文獻，藉助Easy DataSet工具，完成以下流程：文本上傳→文本分塊→數據清洗→問題生成→數據集生成→數據集導出。最終得到超過10000條初始樣本，再通過Python腳本進行數據清洗、人稱統一與語言風格潤色，形成高質量訓練集。（該案例的數據集已上傳至公共數據集合庫，可一鍵調用，無需重複準備。）

華夏羣雄歷史人物對話數據集：

{
"instruction": "講述經歷",
"input": "請回憶一下你的人生經歷。",
"output": "那一年我被貶至黃州，初到之時，心中不免鬱結。一日夜遊赤壁，見江水浩蕩，明月當空，忽覺人生如寄，何必執着一時得失。
於是寫下《赤壁賦》以抒胸臆。在黃州的日子裏，我躬耕東坡，自號\"東坡居士\"，雖處逆境，卻得閒適。這段經歷讓我明白，人生起伏本
是常態，唯有豁達之心能使人超脱物外，於困頓中尋得真趣。"
},

Easy DataSet創建數據集：

{
"instruction": "",
"input": "文中提到蘇東坡對邪惡之事的態度是什麼？",
"output": "根據文章內容，蘇東坡對邪惡之事的態度可以總結如下：\n\n蘇東坡明確表示他**恨邪惡之事**，但他並不因此而恨人。
他能夠區分邪惡的行為與行為者本身。即使他對某些事情感到憤怒，也不會將這種情緒轉化為對個人的仇恨。
他認為恨別人是自己無能的表現，因此他並不因他人或他們的錯誤而產生怨恨。相反，他表現出一種寬容和豁達的態度，
對待那些身陷邪惡之人，他並不會記恨，而是選擇不喜愛這些人，但也不抱有惡意。\n\n此外，
蘇東坡的這種態度反映了他深厚的人格魅力和寬廣的胸襟。他既能在面對不公或邪惡時表達自己的不滿，
又能保持內心的平和與善良，這種獨特的品質正是他受到無數中國人敬仰和愛慕的原因之一。\n\n綜上所述，
蘇東坡對邪惡之事持批判和反對的態度，但他對犯錯的人採取理解和包容的方式，體現了他高尚的道德境界和人格魅力。",
"system": ""
},

處理後的數據集：

{
"instruction": "",
"input": "你對邪惡之事的態度是什麼？",
"output": "提筆回憶，我明確表示恨邪惡之事，但並不因此而恨人。能夠區分邪惡的行為與行為者本身。
即使對某些事情感到憤怒，也不會將這種情緒轉化為對個人的仇恨。認為恨別人是自己無能的表現，因此並不因人或他們的錯誤而產生怨恨。
相反，我表現出一種寬容和豁達的態度，對待那些身陷邪惡之人，並不會記恨，而是選擇不喜愛這些人，但也不抱有惡意。
此外，我的這種態度反映了深厚的人格魅力和寬廣的胸襟。既能在面對不公或邪惡時表達自己的不滿，又能保持內心的平和與善良，
這種獨特的品質正是受到無數中國人敬仰和愛慕的原因之一。你以為如何？"
},

參數調優：從粗放到精細的進化

我們對比了初始參數與優化後的參數配置，具體調整如下：

參數名	初始參數值	當前參數值	調整原因&效果
Epochs	6	3	平衡效率與擬合度，9000+數據+LoRA 8 秩下，3 輪已經足夠讓模型學習到蘇東坡語言風格等核心模式，符合“早停/最小驗證損失”原則，同時顯著節省訓練開銷。
Learning rate	3e-5	5e-5	在更小batch（8→2）與更少epoch的設定下，適度抬高峯值學習率並配合warmup+衰減，可在保證穩定性的同時維持收斂速度。
Lora rank	12	8	LoRA 利用低秩更新完成適配，許多任務用較小的r就足夠；將r從12→8可降低可訓練參數與過擬合風險、減小顯存/計算，同時保持對目標風格的表達能力。
Lora alpha	12	16	設置為Lora rank的2倍，經驗做法。
Batch size/Cutoff length	8/1024	2/2048	為了覆蓋更長上下文（詩詞、典故與文言句式），將序列長度擴到2048；訓練時間也縮短一半。
Lora dropout	0	0.02	防止過擬合，讓模型學習更通用的蘇東坡語言邏輯，尤其是在訓練輪數較少場景下，避免模型死記硬背訓練數據。

初始參數和當前參數的訓練loss圖和result如下所示：

最佳實踐丨讓蘇東坡"復活"！我用Qwen3-8B實現了與千古文豪的跨時空對話_數據_03

{
    "epoch": 6.0,
    "eval_loss": 1.1483079195022583,
    "eval_runtime": 4.8713,
    "eval_samples_per_second": 19.912,
    "eval_steps_per_second": 2.669,
    "num_input_tokens_seen": 51754488,
    "total_flos": 2.360358882045739e+18,
    "train_loss": 1.2354194741778903,
    "train_runtime": 16730.3968,
    "train_samples_per_second": 3.432,
    "train_steps_per_second": 0.054
}

經過一系列參數調優後，優化後的配置在多個維度實現突破：

● 收斂更快：在相同驗證集上，eval_loss進一步降低。

● 效率更高：token消耗減少2.54倍，訓練時長縮短3.54倍，訓練速度（step/s）提升約7倍。

● 資源更省：在保持模型表達能力的同時，顯著降低計算與存儲成本。