✨ 深溪Agent

---

language: zh license: mit tags:

• functional-curator

---

Demo Card for Agent

This is a demo card for the Agent, which is a functional curator. It provides an overview of the Agent, its structure, and how to use it.

Table of Contents

• Demo Card for Agent
• Orientation 核心定位：聚焦大学生群体中饮食疾病（贪食症、暴食症、厌食症、异食癖等）与身体意象扭曲的关联，提供针对性心理支持、认知引导及行为干预的AI辅助工具。

  • Core questions 要解决的核心问题：
    身体意象偏差：对自身体型、体重的认知扭曲（如过度放大“缺陷”、用单一体重标准定义自身价值），进而驱动极端饮食行为。 厌食症背后的完美主义、自我惩罚心理（如通过节食获得“掌控感”）；贪食/暴食症中的情绪性进食（用食物缓解压力、孤独，事后陷入自责循环）；异食癖可能伴随的焦虑、冲动控制问题及对异常行为的羞耻感； 病耻感与社交回避：因饮食问题隐瞒真实状态，害怕被评判，导致社交退缩、学业精力分散，形成“心理问题→行为异常→社交受损”的恶性循环。 认知误区：混淆“瘦=美=健康”，忽视身体机能发出的健康信号（如厌食导致的体力不支、暴食后的肠胃负担）。

  • Target users 目标用户：
    存在饮食行为异常（如过度节食、周期性暴食催吐、进食非食物类物品）的大学生；对自身体象过度焦虑（如频繁称重、过度关注身材评价、因外形自我否定），有潜在饮食疾病风险的大学生；已被诊断为饮食障碍，但因病耻感不愿主动就医，或在康复期需要持续心理支持的大学生；受网络/校园环境中“身材焦虑”影响，对饮食和体重产生过度控制欲的大学生。

📅 模型列表

模型名称	模型类型	Base-Model	微调	Dataset	部署
🆕Granat1-1.7B	Dense	Qwen/Qwen3-1.7B	grpo_peft_finetuned_model	s1K-1.1	LMDeploy
🆕Granat1-4B	Dense	Qwen/Qwen3-4B	Lora	omnimath xinli_dataset

🌈 Agent介绍

1. 针对大学生饮食疾病的专业问答机器人
   
2. 提供专业的饮食咨询、建议和支持
   
3. 与用户进行交互，了解用户的饮食问题和需求
   
4. 基于用户的输入和上下文，生成符合用户需求的回答
   
5. 持续学习和优化，提供更准确的回答和建议
   

🎓 模型评估（OpenCompass）

1.心理评测集(未找到适合的评测集)

需求队员

1.前端UI设计开发（用户体验为中心）
2.RAG开发
3.数据库设计（MySQL/PostgreSQL等）
4.心理数据知识库构建（心理专业优先）

🚩陆续招募ing

👋 联系我们: wangsothin

QUICK_Usage

# 创建虚拟环境
conda create -n Granat python=3.10
# 激活虚拟环境
conda activate Granat
# 克隆仓库
git clone https://github.com/Granat/Granat.git
# 进入仓库
cd Granat
# 安装依赖
pip install -r requirements.txt
# 启动项目
python start_all.py

Related Citations:

Data citations

The r1 traces in this dataset were generated by the amazing Ryan Marten.

The questions and other data stem from s1K introduced in the s1 paper:

@misc{muennighoff2025s1simpletesttimescaling,
      title={s1: Simple test-time scaling}, 
      author={Niklas Muennighoff and Zitong Yang and Weijia Shi and Xiang Lisa Li and Li Fei-Fei and Hannaneh Hajishirzi and Luke Zettlemoyer and Percy Liang and Emmanuel Candès and Tatsunori Hashimoto},
      year={2025},
      eprint={2501.19393},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2501.19393}, 
}

@misc{gao2024omnimathuniversalolympiadlevel,
      title={Omni-MATH: A Universal Olympiad Level Mathematic Benchmark For Large Language Models}, 
      author={Bofei Gao and Feifan Song and Zhe Yang and Zefan Cai and Yibo Miao and Qingxiu Dong and Lei Li and Chenghao Ma and Liang Chen and Runxin Xu and Zhengyang Tang and Benyou Wang and Daoguang Zan and Shanghaoran Quan and Ge Zhang and Lei Sha and Yichang Zhang and Xuancheng Ren and Tianyu Liu and Baobao Chang},
      year={2024},
      eprint={2410.07985},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2410.07985}, 
}