Qwen3 8B DRCD ZhTW QA LoRA

--- license: apache-2.0 base_model: unsloth/Qwen3-8B language: - zh tags: - qlora - lora - peft - question-answering - extractive-qa - traditional-chinese - drcd - qwen3 --- # Qwen3-8B-DRCD-zhTW-QA-LoRA 繁體中文抽取式閱讀理解（extractive QA）QLoRA adapter，微調自 `unsloth/Qwen3-8B`，訓練資料為 [DRCD](https://github.com/DRCKnowledgeTeam/DRCD)（改編版，見下方 SFT dataset）。 輸出固定 JSON schema：`{"answer": "文中連續原文片段", "answerable": true|false}`。 > **已知限制**：這個 checkpoint 在 DRCD 抽取式 QA 上表現接近滿分，代價是通用能力小幅退步。 > TMMLU+（通用知識選擇題）**test split 全量 20,118 題**上，macro accuracy 從原廠的 0.5936 > 掉到 0.5604（**Δ = −3.32 個百分點，95% CI [−3.96, −2.69]**，配對分層 bootstrap）。 > > 退步的型態是**選項偏誤**而不是知識遺忘：微調後模型選 B 的次數比原廠少 1,946 次、選 D 多 > 1,889 次，於是 gold 為 B 的題目掉 16.9 個百分點，而 **gold 為 D 的題目反而進步 7.7 個 > 百分點**。忘掉知識的模型不會在某個子集上變強。 > > **這個偏誤有 45% 校正得回來**（160,880 次推論實測）：把四個選項的內容做循環位移、 > 讓正確答案輪流落在 A/B/C/D 再投票，Δ 從 −3.46 pp 縮到 −1.92 pp，回收 +1.54 pp > （95% CI [+0.90, +2.19]）。偏誤撐過了位移（位移後 FT 仍只有 14.7% 選 B、32.2% 選 D）， > 確認是位置偏誤而非集成效應。 > > 剩下的約 1.9 pp **不能**反推為「知識遺忘」——這個實驗只隔離位置偏誤，沒有檢定跟選項 > 內容綁在一起的偏誤。另外多數決是評分協定、不是模型本身的性質：你直接使用時拿到的 > 仍是單一順序的行為，投票要付 4 倍推論成本。 > > 如果需要保留通用能力，建議：(a) 只在需要精確抽取式 QA 的場景使用這個 adapter， > (b) 選擇題場景加上選項順序隨機化的多數投票（實測可回收約四成退步）， > (c) 或參考本專案方法論自行用較低 epoch / 加入通用資料混合訓練。 ## 評估結果（DRCD dev，完整 4,699 題） | # | 組別 | overall EM | overall F1 | JSON 合法率 | |---|------|-----------:|-----------:|-------------:| | 1 | base zero-shot（原廠） | 0.4756 | 0.6858 | 95.62% | | 2 | base few-shot（3-shot） | 0.8253 | 0.9191 | 99.98% | | 3 | **本 adapter（未量化 bf16）** | **0.9325** | **0.9704** | 100% | | 4 | 本 GGUF（Q8_0） | 0.9328 | 0.9706 | 100% | | 5 | 本 GGUF（Q4_K_M，部署建議） | 0.9330 | 0.9700 | 100% | n=4,699（DRCD 官方 dev split 完整題目，3,524 可回答 + 1,175 unanswerable，未抽樣）。 **量化最多吃掉微調增益的 0.65%**（EM，配對分層 bootstrap 的 95% CI 下界；點估計實際還 微幅為正）。不過量化並非 no-op：Q4 有 2.68% 題目的答案文字與未量化不同，只是變好 33 題、 變壞 35 題互相抵銷（McNemar p=0.90），所以整體指標看起來沒動。 詳細方法論、TMMLU+ forgetting check（全量 20,118 題，macro accuracy −3.32 個百分點）、 錯誤案例分析見專案 EVAL_REPORT.md。 ## 訓練細節 - 基底模型：`unsloth/Qwen3-8B`（LoRA 實際合併/推論用的起點權重；跟官方 [`Qwen/Qwen3-8B`](https://huggingface.co/Qwen/Qwen3-8B) 同源， unsloth 版本額外做了 tokenizer 修正） - 方法：QLoRA（4-bit 訓練），Unsloth，r=16 / alpha=16 / dropout=0，target modules 涵蓋 q/k/v/o/gate/up/down 全線性層 - 資料：9,800 筆訓練（DRCD train split 抽樣，另留 200 筆 eval holdout），2 epochs， effective batch 16，lr 2e-4 cosine schedule - 硬體：Google Colab Pro，NVIDIA L4 - 訓練曲線：[W&B run](https://wandb.ai/tunyu1/qwen3-drcd-q...