ModelAufgelistetExtern

Qwen3 8B LegalCitation GRPO 200

基于 Qwen/Qwen3-8B 的 rank-64 GRPO LoRA。训练奖励只使用可确定验证的法条引用信号,覆盖 nocontext、ragclean 和 ragdistractor 三种模式。

Quellehuggingface.co/haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-200/tree/8a2cee9c570a968b75d63be439dd8d7dce5a644f

ArtOtherBasismodellQwen/Qwen3-8BVersionRevision 8a2cee9BBewertung

Modellquelle

Art: Other
Dateigröße: 666 MB
Basismodell: Qwen/Qwen3-8B
Version: vRevision 8a2cee9
Aktualisiert: 20. Okt. 2026
Downloads: 12
Quelle: Hugging Face

Quellenbeschreibung

Qwen3-8B LegalCitation GRPO 200

基于 Qwen/Qwen3-8B 的 rank-64 GRPO LoRA。训练奖励只使用可确定验证的法条引用信号,覆盖 no_context、rag_clean 和 rag_distractor 三种模式。

dev84 结果

指标	Base	GRPO-200
no-context 无依据引用行	40/42	36/42
RAG grounded citation precision	0.7703	0.7874
RAG required 行召回率	0.8333	0.9286
RAG required marker coverage	0.6765	0.7794
正常停止行	41/84	49/84
语义均分变化	-	-0.039

模型最终判定为 FAIL:引用精度、no-context 无依据引用、停止与重复等硬门禁仍未全部通过。它是行为移动研究 checkpoint,不是部署就绪模型。

加载

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

adapter = "haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-200"
base = "Qwen/Qwen3-8B"

tokenizer = AutoTokenizer.from_pretrained(adapter, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(base, device_map="auto", torch_dtype="auto")
model = PeftModel.from_pretrained(model, adapter)

限制

无 RAG 上下文时仍可能生成无依据法条。
强化学习移动的是输出分布期望,不能替代运行时引用校验。
仅供研究与作品展示,不提供法律服务。

Quellen

1 Quelle

Hugging FacePrimärVersion 8a2cee9c570a968b75d63be439dd8d7dce5a644f

huggingface.co/haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-200/tree/8a2cee9c570a968b75d63be439dd8d7dce5a644f

Verifiziert 20. Okt.

Modellartefakte

1 Artefakt

adapter_model.safetensors

safetensors · 666 MB · SHA-256 2de202e3419b…60ca · Hugging Face

Download file

Quellenauszüge

3 Auszüge

Readme3. Aug.huggingface.co/haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-200

--- language: - zh license: apache-2.0 base_model: Qwen/Qwen3-8B library_name: peft pipeline_tag: text-generation tags: - legal - chinese - lora - grpo - rag --- # Qwen3-8B LegalCitation GRPO 200 基于 `Qwen/Qwen3-8B` 的 rank-64 GRPO LoRA。训练奖励只使用可确定验证的法条引用信号，覆盖 `no_context`、`rag_clean` 和 `rag_distractor` 三种模式。 ## dev84 结果 | 指标 | Base | GRPO-200 | |---|---:|---:| | no-context 无依据引用行 | 40/42 | 36/42 | | RAG grounded citation precision | 0.7703 | 0.7874 | | RAG required 行召回率 | 0.8333 | 0.9286 | | RAG required marker coverage | 0.6765 | 0.7794 | | 正常停止行 | 41/84 | 49/84 | | 语义均分变化 | - | -0.039 | 模型最终判定为 `FAIL`：引用精度、no-context 无依据引用、停止与重复等硬门禁仍未全部通过。它是行为移动研究 checkpoint，不是部署就绪模型。 ## 加载 ```python from transformers import AutoModelForCausalLM, AutoTokenizer from peft import PeftModel adapter = "haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-200" base = "Qwen/Qwen3-8B" tokenizer = AutoTokenizer.from_pretrained(adapter, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(base, device_map="auto", torch_dtype="auto") model = PeftModel.from_pretrained(model, adapter) ``` ## 限制 - 无 RAG 上下文时仍可能生成无依据法条。 - 强化学习移动的是输出分布期望，不能替代运行时引用校验。 - 仅供研究与作品展示，不提供法律服务。

Note20. Okt.huggingface.co/haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-200

Source context: 12 downloads · 0 likes · Pipeline text-generation · Library peft · Repo haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-200

Note3. Aug.huggingface.co/haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-200

Source context: 16 downloads · 0 likes · Pipeline text-generation · Library peft · Repo haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-200