微调示例：阅读、比较与复算

这里保存正文用到的回答与检查结果。先读对应章节，再选一组示例对照；不需要连接 GPU 就能阅读或重新评分。模型原始回答保留了分析段、英文片段、漏词和重复，方便区分格式问题与内容问题。

按问题查找

想弄清的问题	示例
换提示词与加载 Adapter 分别有什么影响？	10 条输入、40 份回答；A/B/C 提示词定义
为什么关闭思考后仍输出分析？	两种模型状态、两种模板的 12 份回答
参考答案也需要检查吗？	10 条参考标注审核草案
用户输入与答案如何成为 token 和标签？	预处理报告 与 1,800 条长度记录，配合第 30 章第 4.2 节阅读
部署环境与接口返回应检查什么？	依赖版本清单、Python 请求与响应，配合第 32 章阅读

标注草案用于讨论选词规则，没有替换 keywords-clean 数据，也没有用于修改配套分数。提示词比较和模板比较使用验证集中的少量样本，不能当作正式业务准确率。

查看实际输入

thinking-control/prompt-inspection.json 保存两种模板生成的完整输入、token 编号、输入末尾与答案隔离检查。查看 decoded_input 可以读到模型实际接收的文本；查看 input_ids 可以逐个核对 token。

在该示例锁定的 LLaMA-Factory 版本中，qwen3_nothink 没有加入空思考区块，qwen3 配合 enable_thinking=False 会在助手起始位置加入。三条输入的两种包装仅相差末尾四个 token，用户消息相同，参考答案没有进入生成输入。

四组使用同一个 Qwen3-0.6B 基础模型；需要 Adapter 的组加载同一份 Adapter。实际参数均为 FP16，每批 1 条，关闭采样，生成上限 256，重复惩罚 1.0，种子 42。比较改变的是推理模板和是否加载 Adapter；Adapter 的训练模板为 qwen3_nothink。

原始模型加入空区块后，这三条回答不再含分析段，但仍有英文改写、漏词和重复。这说明输入包装会影响回答形式，不能据此保证所有输入都有效，或断言关键词质量已经合格。实际输入见 thinking-control/prompt-inspection.json，四份回答文件直接放在 thinking-control/ 中，文件名标明模型状态、模板及关闭思考设置。

在本机复算模板示例

以下命令在课程项目根目录运行，使用 Python 3.10 或以上版本。它只读取已保存的回答，不生成新预测：

thinking_review_dir=$(mktemp -d)
python3 案例与源码-4-微调/examples/thinking-control/convert_control_predictions.py \
  --reference 案例与源码-4-微调/examples/thinking-control/验证输入.jsonl \
  --predictions 案例与源码-4-微调/examples/thinking-control/原始模型-qwen3-关闭思考.jsonl \
  --template qwen3 \
  --output "$thinking_review_dir/原始模型-qwen3-关闭思考.jsonl"
python3 案例与源码-4-微调/evaluate_keywords_predictions.py \
  --reference 案例与源码-4-微调/examples/thinking-control/验证输入.jsonl \
  --predictions "$thinking_review_dir/原始模型-qwen3-关闭思考.jsonl" \
  --require-all \
  --output "$thinking_review_dir/原始模型-qwen3-关闭思考-评分.json"

四组共用 examples/thinking-control/验证输入.jsonl。查看或复算时，按下表选择回答文件与模板参数；这些文件都位于 examples/thinking-control/：

原始回答文件	--template
原始模型-qwen3_nothink-关闭思考.jsonl	qwen3_nothink
原始模型-qwen3-关闭思考.jsonl	qwen3
Adapter-qwen3_nothink-关闭思考.jsonl	qwen3_nothink
Adapter-qwen3-关闭思考.jsonl	qwen3

专用转换脚本检查两种已核验的完整输入包装，并复用课程通用转换器配对输入和参考答案；它不会删除或改写模型回答。错误包装、重复或缺失记录，以及参考答案不一致都会报错。

各 200 条测试预测的复算方法见第 32 章第 4.4 节。提示词对照可以按下一节复算，部署版本与接口返回见本页开头的示例表。

在本机复算提示词示例

prompt-comparison/data/ 保存三种提示词对应的完整输入与参考答案，四份原始回答文件直接放在 prompt-comparison/ 中。原始模型分别使用 A、B、C；加载 Adapter 后使用同一份 B 输入。每组 10 条，共 40 条。

四组均使用 Qwen3-0.6B、qwen3_nothink 模板、关闭思考设置、FP16、每批 1 条、输入上限 2,048 token、关闭采样、生成上限 256、重复惩罚 1.0 和种子 42。原始模型在这些设置下仍输出分析，因此要同时检查格式和内容，不能仅凭关闭思考设置判断回答形式。

下面以原始模型 B 组为例，在课程项目根目录运行，只转换和评分已保存的回答：

prompt_review_dir=$(mktemp -d)
python3 案例与源码-4-微调/convert_keywords_predictions.py \
  --reference 案例与源码-4-微调/examples/prompt-comparison/data/keywords_prompt_b.jsonl \
  --predictions 案例与源码-4-微调/examples/prompt-comparison/原始模型-提示词B.jsonl \
  --output "$prompt_review_dir/原始模型-提示词B.jsonl"
python3 案例与源码-4-微调/evaluate_keywords_predictions.py \
  --reference 案例与源码-4-微调/examples/prompt-comparison/data/keywords_prompt_b.jsonl \
  --predictions "$prompt_review_dir/原始模型-提示词B.jsonl" \
  --require-all \
  --output "$prompt_review_dir/原始模型-提示词B-评分.json"

复算其他组时，同时替换参考文件、回答文件和输出文件名。下表中的路径均相对于 examples/prompt-comparison/：

原始回答文件	对应的参考文件
原始模型-提示词A.jsonl	data/keywords_prompt_a.jsonl
原始模型-提示词B.jsonl	data/keywords_prompt_b.jsonl
原始模型-提示词C.jsonl	data/keywords_prompt_c.jsonl
Adapter-提示词B.jsonl	data/keywords_prompt_b.jsonl

参考文件必须与该组提示词一致，不能直接使用未添加提示词要求的验证集，也不能使用 200 条测试集替代。自动精确匹配分数还需结合原文依据、术语全称和参考标注疑点阅读。