FireWorldBenchmark-3metohds

FG9 三方法（PDE / COT / SFT）在 FireWorldBench 基准上跑出来的方法产物（模型方法结果）。

• 基准数据与测评入口（六指标评分、run_api）：Guaogua/FireWorldBench
• 三方法实现代码：GitHub 15628925702/FireWorldBenchmark-3methods
• 本仓库内容：训练好的 SFT adapter 权重 + 三方法测评结果

adapters/

• internvl3_8b_sft_r16_shortseq/：InternVL3-8B SFT（NF4 QLoRA r16，40 条样本，MAX_SEQ 6000），step_20 / step_50 adapter
• internvl3_8b_sft_r16_fullseq/：InternVL3-8B SFT（全部 142 条样本，MAX_SEQ 11000，grad-ckpt），step_20 / step_50 adapter
• qwen3_vl_8b_sft_candidate2b/：Qwen3-VL-8B SFT candidate2b（r16），step_20 / step_50 adapter

注：training_state.pt（resume 用，约 121MB/个）未包含；adapter + metadata.json 足以加载 LoRA 推理与复现训练流程。

eval_results/

• internvl3_8b_medium/：InternVL 三方法 medium（dev_tune n=54）报告 + raw + scoring
• internvl3_8b_fullseq_reval/：全数据 SFT adapter 复评（medium）
• qwen3_vl_8b_physicsanchor/：Qwen 三方法 physicsanchor 运行（tune n=54）
• qwen3_vl_8b_methods_default/：Qwen 三方法默认配置运行

评分

六指标（completion_accuracy / macro_f1 / evidence_f1 / mechanism_alignment / brier_score / gold_linked_support），确定性计算，无模型裁判；见 Guaogua/FireWorldBench 的 evaluation/score_six_metrics.py。