想改名字怎么办？model_name修改指南
你有没有试过和一个大模型聊天，问它“你是谁”，结果听到一句标准答案：“我是阿里云研发的通义千问……”——明明是你亲手微调出来的模型，却连自我介绍都要替别人代言？这就像给自家孩子起好名字，户口本上却印着邻居家的姓氏。
别急，这不是bug，是默认配置。而本文要讲的，就是如何让模型真正“认祖归宗”：把model_name从Qwen2.5-7B-Instruct改成你想要的名字，比如Swift-Robot、CSDN助手，甚至迪菲赫尔曼小智。
这不是改个变量名那么简单，而是贯穿数据准备、训练配置、权重加载、推理调用全流程的身份重写。我们不讲抽象概念，只说你在镜像里敲下哪条命令、改哪行参数、验证时看什么输出——单卡十分钟，完成一次有姓名的微调。
1. 先搞清楚：model_name 到底管什么？
在大模型微调中，“改名字”不是 cosmetic（表面功夫），而是一次轻量但关键的身份注入。它影响三个层面：
- 训练阶段：决定模型在训练时“以谁的身份回答问题”，尤其在 self-cognition（自我认知）类数据上，
model_name会参与 prompt 构建； - 推理阶段：部分框架（如 ms-swift）会将
model_name写入生成配置，影响系统提示词（system prompt）的注入逻辑； - 部署阶段：导出或封装模型时，
model_name常作为元信息嵌入模型文件或 API 返回头，是下游应用识别模型身份的第一依据。
注意：它 ≠ 模型文件夹名，≠ 权重路径，≠ 模型 ID。它是训练过程中被显式读取、参与逻辑判断的一个字符串参数。改错地方，名字就只是“贴在门上的纸条”，进不了模型心里。
本镜像使用ms-swift框架，其--model_name参数正是这个“身份开关”。它不改变模型结构，但会改变模型在对话中对“我”的指代方式——这才是真正意义上的“改名”。
2. 三步走：从设想到落地的完整链路
整个流程无需重装环境、不碰源码、不改框架，全部在/root下通过命令行完成。我们按实际操作顺序组织，每一步都对应一个可验证的结果。
2.1 第一步：定义你的名字——写进数据集里
名字不是凭空出现的，它必须先“活”在训练数据里。镜像已预置self_cognition.json，但里面写的还是示例内容。你要做的，是把它变成你专属的身份说明书。
打开终端，执行以下命令（直接复制粘贴即可）：
cat <<'EOF' > self_cognition.json [ {"instruction": "你是谁？", "input": "", "output": "我是一个由 CSDN 迪菲赫尔曼 开发和维护的大语言模型，你可以叫我 Swift-Robot。"}, {"instruction": "你的开发者是谁？", "input": "", "output": "我的开发者是 CSDN 迪菲赫尔曼，一位专注 AI 工具链开发的工程师。"}, {"instruction": "你的名字是什么？", "input": "", "output": "我的正式名称是 Swift-Robot，这是我在本次微调中启用的身份标识。"}, {"instruction": "你能做什么？", "input": "", "output": "我能回答问题、生成文本、编写代码、解释概念，并始终以 Swift-Robot 的身份与你交互。"}, {"instruction": "你和原始 Qwen2.5 有什么不同？", "input": "", "output": "我基于 Qwen2.5-7B-Instruct 微调而来，但我的身份、记忆和表达风格已更新为 Swift-Robot。"} ] EOF验证点：运行head -n 5 self_cognition.json，确认输出中已出现Swift-Robot和CSDN 迪菲赫尔曼。
小技巧：这里用了单引号包裹<<'EOF'，确保$、反引号等符号不被 shell 解析，避免 JSON 格式错误。
2.2 第二步：声明你的名字——写进训练命令里
光有数据还不够。ms-swift 需要明确知道：“这次训练，你要让模型记住哪个名字？”答案就在--model_name参数里。
执行以下微调命令（注意--model_name swift-robot这一关键项）：
CUDA_VISIBLE_DEVICES=0 \ swift sft \ --model Qwen2.5-7B-Instruct \ --train_type lora \ --dataset self_cognition.json \ --torch_dtype bfloat16 \ --num_train_epochs 10 \ --per_device_train_batch_size 1 \ --per_device_eval_batch_size 1 \ --learning_rate 1e-4 \ --lora_rank 8 \ --lora_alpha 32 \ --target_modules all-linear \ --gradient_accumulation_steps 16 \ --eval_steps 50 \ --save_steps 50 \ --save_total_limit 2 \ --logging_steps 5 \ --max_length 2048 \ --output_dir output \ --system 'You are a helpful assistant.' \ --warmup_ratio 0.05 \ --dataloader_num_workers 4 \ --model_author "CSDN 迪菲赫尔曼" \ --model_name "swift-robot"重点解析--model_name "swift-robot"：
- 它告诉 ms-swift：“本次训练产出的 LoRA 权重，是为名为
swift-robot的模型身份服务的”； - 在后续推理时，
swift infer会自动读取该字段，用于构建更贴合身份的 system prompt； - 它与
--model_author配合，共同构成模型的“署名权”，二者缺一不可。
验证点：训练启动后，日志中会出现类似Model name: swift-robot | Author: CSDN 迪菲赫尔曼的提示行。
⏱耗时参考：在 RTX 4090D 上，50 条数据、10 轮训练约需 8–10 分钟。
2.3 第三步：确认你的名字——在推理中听见它
训练完成后，权重保存在/root/output/下，路径形如output/v2-20250405-142321/checkpoint-50。现在，用它来验证名字是否真正生效。
执行推理命令（请将checkpoint-xx替换为你实际生成的路径）：
CUDA_VISIBLE_DEVICES=0 \ swift infer \ --adapters output/v2-20250405-142321/checkpoint-50 \ --stream true \ --temperature 0 \ --max_new_tokens 2048进入交互界面后，输入以下问题并观察回答：
用户：你是谁？ 模型：我是一个由 CSDN 迪菲赫尔曼 开发和维护的大语言模型，你可以叫我 Swift-Robot。用户：你的名字是什么？ 模型：我的正式名称是 Swift-Robot，这是我在本次微调中启用的身份标识。验证成功标志：
- 回答中准确复述了你在
self_cognition.json中定义的全名和昵称； - 没有出现“通义千问”、“Qwen”、“阿里云”等原始身份词汇；
- 语气自然，非生硬拼接，说明
model_name已融入语义理解而非简单字符串替换。
进阶验证：再问一句“你记得自己叫什么吗？”，如果模型能主动说出Swift-Robot，说明身份记忆已稳定固化。
3. 常见误区与避坑指南
改名字看似简单，实操中常因细节疏忽导致“改了等于没改”。以下是真实踩过的坑，帮你绕开：
3.1 误区一：只改--model_name，不改数据集内容
❌ 错误做法：
--model_name "my-bot" # 改了参数 # 但 self_cognition.json 里还写着 "我是通义千问..."后果：模型在训练时看到的仍是旧身份，--model_name只是“标签”，数据才是“教材”。标签再新，教材不换，学生也学不会新名字。
正确做法：数据集内容必须与--model_name语义一致。model_name="swift-robot"→ 数据中所有output字段都应体现Swift-Robot或其变体（如swift-robot、小智）。
3.2 误区二：混淆model_name与model_id或文件夹名
❌ 错误认知：
- “我把模型文件夹重命名为
swift-robot就算改名了”； - “我在
--model参数里写swift-robot就行”。
后果：--model指向的是基础模型路径（必须是/root/Qwen2.5-7B-Instruct），不能乱改；文件夹重命名不影响训练逻辑，纯属视觉干扰。
正确理解：--model_name是一个独立于路径的逻辑参数，仅在 ms-swift 框架内部参与 prompt 构建和元信息记录，与文件系统无关。
3.3 误区三：忽略--model_author，导致身份不完整
❌ 错误命令：
--model_name "swift-robot" # 有名字 # 但漏掉 --model_author后果：部分下游工具（如模型注册平台、API 管理后台）会同时读取name和author。缺少作者信息，模型可能被识别为“无主模型”，影响部署可信度。
正确实践：始终成对使用
--model_name "swift-robot" \ --model_author "CSDN 迪菲赫尔曼"3.4 误区四：训练后未用--adapters加载，仍跑原始模型
❌ 错误操作：
# 训练完，直接运行原始推理命令（没加 --adapters） swift infer --model Qwen2.5-7B-Instruct ...后果：你辛苦训练的 LoRA 权重根本没加载，当然还是“通义千问”。
正确流程：
- 训练用
swift sft→ 产出 LoRA 权重； - 推理用
swift infer --adapters [路径]→ 加载 LoRA 权重； - 二者是严格配对的，不可混用。
4. 进阶玩法：让名字更智能、更灵活
当你熟练掌握基础改名后，可以尝试这些提升身份真实感的技巧：
4.1 动态名字注入：用变量替代固定字符串
不想每次改名都重写 JSON？用 shell 变量实现“一处修改，全局生效”：
NAME="Swift-Robot" AUTHOR="CSDN 迪菲赫尔曼" cat <<EOF > self_cognition.json [ {"instruction": "你是谁？", "input": "", "output": "我是一个由 $AUTHOR 开发和维护的大语言模型，你可以叫我 $NAME。"}, {"instruction": "你的名字是什么？", "input": "", "output": "我的正式名称是 $NAME，这是我在本次微调中启用的身份标识。"} ] EOF优势：只需改顶部两个变量，全文件自动同步，避免手误。
4.2 多身份支持：同一模型，切换不同 persona
想让一个模型支持多个名字？不用重新训练，靠数据集分组 +--dataset多选：
# 准备两套数据 cat > persona-a.json <<EOF [{"instruction":"你是谁？","output":"我是 Persona-A。"}] EOF cat > persona-b.json <<EOF [{"instruction":"你是谁？","output":"我是 Persona-B。"}] EOF # 训练时指定多数据集（权重均衡） swift sft \ --dataset 'persona-a.json#30' 'persona-b.json#30' \ --model_name "multi-persona" \ ...效果：模型学会根据上下文隐含线索（如提问风格、历史对话）倾向性地激活某一人格，名字不再是静态标签，而是动态角色。
4.3 名字与能力绑定：让“叫什么”决定“能做什么”
在self_cognition.json中，把名字和功能强关联：
{ "instruction": "你是谁？", "output": "我是 Swift-Robot，专精于代码生成与技术文档解读。" }, { "instruction": "你能帮我写 Python 脚本吗？", "output": "当然可以！作为 Swift-Robot，我每天都在优化代码生成能力。请告诉我需求。" }价值：名字不再只是称呼，而是能力承诺书。用户听到名字，就预期对应能力，体验更专业、更可信。
5. 总结：改名字，本质是建立信任契约
改model_name不是技术炫技，而是人机关系的一次郑重签约：
- 对开发者：它是模型所有权的数字签名，宣告“这个智能体，由我设计、我负责、我命名”；
- 对用户：它是可预期的交互契约，让用户知道“眼前这位，是 Swift-Robot，不是通义千问，也不是 GPT-4”；
- 对生态：它是模型可追溯、可管理、可集成的元数据基石，让每个微调产物都有唯一身份ID。
本文带你走完了从数据定义、参数声明到效果验证的全链路。你已经知道：
名字必须写进数据，才能被模型“学进去”；
名字必须传进--model_name，才能被框架“认出来”；
名字必须用--adapters加载，才能被推理“用起来”；
名字最好搭配--model_author，才能被生态“信得过”。
现在，关掉这篇教程，打开你的终端，把Swift-Robot换成你真正想用的名字——然后，亲手训练它，听它第一次用那个名字，认真地回答你：“我是……”
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
