概述

LIC-Muse 1.1 是一个从零自研的 256M 参数级语言模型。名称来自 Life and Inspiration and Creation：LIC 三个字母分别对应生命、灵感与创造； Muse（缪斯）是灵感与创造之神，也是模型主攻的艺术、哲学与文学之守护者。

快速开始

1. 环境要求

• Python 3.10+（开发验证环境为 3.13）
• PyTorch 2.2+（CPU 版即可，约 200MB）
• 磁盘：权重文件 1.03GB（fp32 safetensors）
• 内存：推理约 1.5GB；无需 GPU

2. 获取发行版

发行版目录 LIC-Muse-1.1/ 结构：

LIC-Muse-1.1/
├── model/            # config.json + lic-muse-1.1.safetensors
├── tokenizer/        # tokenizer.json
├── lic/              # 自研核心库（模型/分词器/推理）
├── scripts/
│   ├── serve.py      # OpenAI 兼容 API 服务
│   └── chat.py       # 命令行对话
├── examples/         # curl / OpenAI SDK 示例
├── requirements.txt
└── README.md

3. 安装与启动

pip install -r requirements.txt
python scripts/serve.py --port 8610

启动后会打印字符商标横幅与端点列表：

[serve] LIC-Muse ready: 256.4M params, vocab 32768
[serve] OpenAI-compatible API on http://127.0.0.1:8610
[serve]   POST /v1/chat/completions   POST /v1/completions
[serve]   GET  /v1/models             GET  /health

4. 第一次调用

curl http://127.0.0.1:8610/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"lic-muse-1.1","messages":[{"role":"user","content":"请用一句诗形容秋天"}],"max_tokens":120}'

5. 命令行对话

python scripts/chat.py                          # 交互式 REPL
python scripts/chat.py --once "生命的意义是什么？"   # 单次
echo "你好" | python scripts/chat.py            # 管道

REPL 内命令：/help /reset /temp /topp /topk /max /sys /lang /banner /exit。

API 参考

Base URL：http://127.0.0.1:8610（默认）。所有接口遵循 OpenAI 规范， 任意 OpenAI SDK 仅需修改 base_url。

端点总览

POST /v1/chat/completions

非流式响应：

{
  "id": "chatcmpl-40809a8eae1f",
  "object": "chat.completion",
  "model": "lic-muse-1.1",
  "choices": [{
    "index": 0, "finish_reason": "stop",
    "message": {"role": "assistant", "content": "……"}
  }]
}

流式响应（SSE）：

data: {"choices":[{"delta":{"role":"assistant","content":"水"}}]}
data: {"choices":[{"delta":{"content":"來"}}]}
data: [DONE]

POST /v1/completions

参数同上，用 prompt（string 或 string 数组）替代 messages； 响应 choices[0].text 为生成文本。

鉴权与 CORS

• 默认无鉴权（本地模式）。加 --key my-secret 启动后，请求需带 Authorization: Bearer my-secret。
• 已内置 CORS 头（Access-Control-Allow-Origin: *），网页控制台可跨域调用。

模型卡

架构（自研 LIC-Muse）

• RMSNorm 预归一化残差结构
• RoPE 旋转位置编码（base 10000）
• SwiGLU 前馈（gate/up/down 三矩阵，d_ff 3168）
• 因果多头注意力（16 头，head_dim 64），无 bias
• 权重共享嵌入：token embedding 与 LM 头共享
• 初始化 N(0, 0.02)，输出投影按 1/√(2L) 缩放

分词器（自研 byte-level BPE）

• GPT-2 风格预切分 + CJK 单字单元（中文按字、英文按词/子词）
• 词表 32,768 = 256 字节 + 5 特殊 token + 32,507 合并
• 向量化批量合并训练（numpy），18 分钟完成
• 特殊 token：<|endoftext|> <|pad|> <|user|> <|assistant|> <|system|>

训练数据

合计 241.2 万行 / 111.9MB / 38,069,805 token（训练集）。

对话格式

<|system|>你是 LIC-Muse……<|endoftext|>
<|user|>请用一句诗形容秋天<|endoftext|>
<|assistant|>……<|endoftext|>

训练报告

完整报告见随附 docs/TRAINING_REPORT.md，此处为摘要。

配置

结果

loss 曲线

样本（step 150，temperature 0.8）

提示：床前明月光，
不日此，以是。
《容山日，整以無可。
内容含然，不復何一。
仄平仄平仄平仄，平仄平仄仄仄平。
風月時，秋事生自知。
和人雲，
我如，自主人。
今日心來，不日何家

模型已学到古典诗词的平仄韵律、分行结构与常见意象字（風月山水雲春秋）， 尚未掌握语义连贯性——符合 68 万 token 训练量下的预期能力。

代码示例

curl

curl http://127.0.0.1:8610/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"lic-muse-1.1","messages":[{"role":"user","content":"艺术是什么？"}],"stream":true,"max_tokens":120}'

Python（OpenAI SDK）

from openai import OpenAI
client = OpenAI(base_url="http://127.0.0.1:8610/v1", api_key="none")

resp = client.chat.completions.create(
    model="lic-muse-1.1",
    messages=[{"role": "user", "content": "请用一句诗形容秋天"}],
    temperature=0.75, max_tokens=200, stream=True,
)
for chunk in resp:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

Python（标准库，无依赖）

import json, urllib.request
req = urllib.request.Request(
    "http://127.0.0.1:8610/v1/chat/completions",
    data=json.dumps({
        "model": "lic-muse-1.1",
        "messages": [{"role": "user", "content": "你好"}],
        "max_tokens": 80,
    }).encode(),
    headers={"Content-Type": "application/json"},
)
print(json.load(urllib.request.urlopen(req, timeout=120))
      ["choices"][0]["message"]["content"])

JavaScript（浏览器 / Node）

const resp = await fetch("http://127.0.0.1:8610/v1/chat/completions", {
  method: "POST",
  headers: { "Content-Type": "application/json" },
  body: JSON.stringify({
    model: "lic-muse-1.1",
    messages: [{ role: "user", content: "生命的意义是什么？" }],
    stream: true, max_tokens: 120,
  }),
});
const reader = resp.body.getReader();
const decoder = new TextDecoder();
while (true) {
  const { done, value } = await reader.read();
  if (done) break;
  process.stdout.write(decoder.decode(value));
}

常见问题

Q：控制台提示连接失败？

确认本机已启动 python scripts/serve.py --port 8610，且控制台 Base URL 与之一致。 默认 http://127.0.0.1:8610 仅本机浏览器可达；换设备访问请用局域网 IP 或穿透。

Q：如何继续训练？

在完整工程目录执行 python scripts/train.py --resume --max-minutes 180， 会从 checkpoints/ckpt_latest.pt 恢复模型、优化器与学习率相位。

Q：支持 GPU 吗？

支持。模型为纯 PyTorch 实现，将 checkpoint 加载到 CUDA 设备即可 （torch.load(..., map_location="cuda")）；训练脚本加 --batch-size 调大即可利用显存。

Q：为什么生成像"诗词拼贴"？

68 万 token 的训练量下模型学到了韵律与高频意象，但未学会语义规划。 这是从零训练 + 纯 CPU 算力下的诚实结果，扩大数据与步数可显著改善。

Q：R2 / 对象存储？

当前账户未启用 R2（需控制面板开通），站点使用 Cloudflare Pages 托管，不影响使用。