ModelPublicadoExterno

Qwen3 8B LegalCitation GRPO 600

从 GRPO-200 checkpoint 按原配方继续训练至全局 600 步的剂量响应终点。该模型用于检验残余问题是否仅由训练剂量不足导致。

Fuentehuggingface.co/haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-600/tree/f19e096dfc09b535aae5b08dc6b9f8e1b5bc20e7

TipoOtherModelo baseQwen/Qwen3-8BVersiónRevision f19e096Ccalidad

Fuente del modelo

Tipo: Other
Tamaño del archivo: 666 MB
Modelo base: Qwen/Qwen3-8B
Versión: vRevision f19e096
Actualizado: 20 oct 2026
Descargas: 16
Fuente: Hugging Face

Descripción de la fuente

Qwen3-8B LegalCitation GRPO 600

从 GRPO-200 checkpoint 按原配方继续训练至全局 600 步的剂量响应终点。该模型用于检验残余问题是否仅由训练剂量不足导致。

结论

dev84 的 required 行召回率由 Base 的 83.33% 变为 88.10%,低于 200 步的 92.86% 高水位;grounded citation precision 为 77.36%,仍远低于 95% 门禁。Legal-50 统一场均分为 Base 6.908、200 步 6.924、600 步 6.944,差异远低于约 0.4 的可辨别尺度。

最终判定为 FAIL。600 步没有证明额外剂量能够解决剩余引用、停止和重复问题,因此该模型只作为剂量响应研究终点发布。

加载

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

adapter = "haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-600"
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

不是 GRPO-200 的全面升级,部分指标出现回落。
不应通过选择 200 或 600 步的单项高点宣称已通过门禁。
仅供研究与作品展示,不提供法律服务。

Fuentes

1 fuente

Hugging FacePrincipalVersión f19e096dfc09b535aae5b08dc6b9f8e1b5bc20e7

huggingface.co/haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-600/tree/f19e096dfc09b535aae5b08dc6b9f8e1b5bc20e7

Verificado 20 oct

Artefactos del modelo

1 artefacto

adapter_model.safetensors

safetensors · 666 MB · SHA-256 623c76946324…eb43 · Hugging Face

Download file

Extractos de fuentes

3 extractos

Readme3 agohuggingface.co/haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-600

--- 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 600 从 GRPO-200 checkpoint 按原配方继续训练至全局 600 步的剂量响应终点。该模型用于检验残余问题是否仅由训练剂量不足导致。 ## 结论 dev84 的 required 行召回率由 Base 的 `83.33%` 变为 `88.10%`，低于 200 步的 `92.86%` 高水位；grounded citation precision 为 `77.36%`，仍远低于 `95%` 门禁。Legal-50 统一场均分为 Base `6.908`、200 步 `6.924`、600 步 `6.944`，差异远低于约 `0.4` 的可辨别尺度。最终判定为 `FAIL`。600 步没有证明额外剂量能够解决剩余引用、停止和重复问题，因此该模型只作为剂量响应研究终点发布。 ## 加载 ```python from transformers import AutoModelForCausalLM, AutoTokenizer from peft import PeftModel adapter = "haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-600" 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 - 不是 GRPO-200 的全面升级，部分指标出现回落。 - 不应通过选择 200 或 600 步的单项高点宣称已通过门禁。 - 仅供研究与作品展示，不提供法律服务。

Note20 octhuggingface.co/haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-600

Source context: 16 downloads · 0 likes · Pipeline text-generation · Library peft · Repo haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-600

Note3 agohuggingface.co/haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-600

Source context: 18 downloads · 0 likes · Pipeline text-generation · Library peft · Repo haofue2i1z3/Qwen3-8B-LegalCitation-GRPO-600