v0.2.0 · poetry-9b-v7（格式+押韵 4/4）

poetry-9b-v7（格式 4/4 + 押韵 4/4）

三步后训练：格式修复 SFT → 真实绝句押韵 SFT（6,000 首）→ GRPO v7（8 prompt × G8，二值押韵奖励 + KL β=0.02）。

模型	4 句格式	押韵	抄袭 overlap
sft_v2	2/4	—	—
dpo2	0/4	—	—
fmt_sft	4/4	4/4	1 条抄《鹿柴》
poetry-9b-v7	4/4	4/4	0.00

产物

• LoRA adapter：https://huggingface.co/Shokou1/qwen3.5-poetry-9b-v7
• Ollama：ollama run poetry-9b-v7
• 精选作品：reports/best-pieces-v7.md
• 夜间报告：reports/night-report-2026-11-08.md

关键工程发现

1. 生成/训练必须使用同一 chat template（不一致时四句率 96% → 21%）
2. 押韵韵表是繁体键，简体输出查不到 → 押韵奖励恒为 0（第一版 GRPO 因此完全无效）
3. 规则奖励里 fmt 权重必须压低，让 rhyme 成为主要区分项

v0.1.0 古典诗文 LoRA + 作品选 + 论文草稿

v0.1.0 — 古典诗文 LoRA / 作品选 / 论文草稿

模型（LoRA adapter，基座 Qwen3.5）

• poetry-4b-v2-adapter.safetensors：4B CPT 300 步 + SFT 600 步（含扩写数据），r=64
• poetry-9b-v1-adapter.safetensors：9B SFT 600 步（seq768），r=32

使用方法

from peft import PeftModel
from transformers import Qwen3_5ForCausalLM
model = Qwen3_5ForCausalLM.from_pretrained(Qwen/Qwen3.5-4B, dtype=bfloat16, device_map=auto)
model = PeftModel.from_pretrained(model, poetry-4b-v2-adapter)

附件

• 作品集 PDF《Qwen3.5 9B 诗文专家模型选》
• 论文草稿 paper-draft.md

部署

Ollama：poetry-4b-v2（Q4_K_M 2.58GB）、poetry-9b-v1（Q4_K_M 5.24GB）