Teapot 开源小型语言模型概览
1. 模型简介
定位：专为资源受限设备（如智能手机、CPU）优化的轻量级语言模型（约 8 亿参数）。
特点：在合成数据上微调，依赖文档上下文回答问题，减少幻觉。支持抗幻觉问答（QnA）、检索增强生成（RAG）和结构化信息提取（如 JSON）。由社区驱动，开源且免费。
2. 核心功能
3. 使用方法
安装
推荐：使用 TeapotAI 库（集成模型配置、嵌入处理等）。
替代：通过 Hugging Face transformers 直接调用模型。
示例场景
问答：
输入：上下文="巴黎是法国首都"，问题="埃菲尔铁塔多高？"
输出："上下文未提供该信息。"
RAG：
输入：多篇地标文档，问题="哪个地标建于19世纪？"
输出："埃菲尔铁塔（1889年建成）。"
信息提取：
输入：公寓描述文本，Pydantic 模型定义
输出：{"租金": 2000, "卧室": 2, "电话": "123-456-7890"}
4. 技术细节
5. 局限性
适用场景：仅限问答/RAG/信息提取，不适用于代码生成、创意写作等。
语言支持：主要针对英语，未测试其他语言性能。
6. 总结
Teapot 是一款高效、轻量的任务专用模型，适合本地部署和精准信息处理，但在通用性上存在限制。
