chunjiang1314/chunjiang-1.0

chunjiang1.0

面向 A 股量化复盘的「投资决策审查与纠错」LoRA 微调模型：不预测行情、不给投资观点，只对给定的投资方案与复盘材料做四类裁决——挑硬伤、核数字、判是否违反账户硬约束、输出唯一决策。

开源边界（2026-10-07 定版）

• 开源：训练 / 评估脚本、方法论（技术报告）、模型卡。许可证 Apache-2.0。
• 暂不公开：训练语料（含原始根与全部派生产物）、评测集（含 train / valid / test 切分）、模型权重（LoRA adapter）。
• 原因：训练语料主体为模型生成语料，来源与授权信息有限；另有少量合成数据。基于当前许可状态，语料与权重均不对外发布，仅公开可复现的方法论与脚本。

因此本仓库不含 data/、adapters/ 及任何语料/权重文件。按本仓库脚本可复现流程，但因语料与权重不公开，无法复现论文中的损失数值。

仓库内容

路径	说明
paper/paper-chunjiang1.0.md	技术报告（方法论、语料构成、评测体系、结果、开源边界）
MODEL_CARD.md	模型卡（模型概述、数据来源与许可、开发者署名、许可）
prepare_train.py	数据准备：合并压缩语料 → 转 mlx-lm completions 格式 → 按维度分层切分 75/10/15
split_local_batch3.py	第三轮续训数据切分 + manifest（id/dim/source + prompt/completion sha256）
eval_five_dim.py	五维评测中可实测部分（D3 无依据因子率 / D4 证据忠实度代理口径）
train_config.yaml	首训配置（8B · MLX LoRA · 4bit 基座）
train_config_batch2.yaml	第二批微调配置
train_config_batch3.yaml	第三轮续训配置（batch2 adapter 续训）
train_config_batch3_smoke.yaml	冒烟测试配置（验证 resume 加载 + 序列长度内存）

复现方法

环境：Apple Silicon（MLX）+ mlx-lm；基座 mlx-community/Qwen3-8B-4bit（Apache-2.0，4-bit 量化）。

1. 准备数据：把语料整理成 data/corpus_root_5000.jsonl（每行 {id, dim, prompt, content}）与压缩产物，然后 python3 prepare_train.py 42 → 生成 data/train/{train,valid,test}.jsonl。
2. 切分（续训语料）：python3 split_local_batch3.py → 生成 data/train_local_batch3/ 与 manifest。
3. 训练：python3 -m mlx_lm lora --config train_config_batch2.yaml（首训），再 --config train_config_batch3.yaml（续训）。
4. 评估：python3 -m mlx_lm ... test 或 python3 eval_five_dim.py；五维评测的 D1/D2/D5 为设计态、尚未实现（见技术报告 §4）。

注意：脚本与配置中的 /path/to/chunjiang1.0 与 ~/.cache/huggingface/... 为占位路径，需按本地实际情况替换；语料与权重不公开，训练数值不可复现。

许可

开源部分（脚本 / 方法论 / 模型卡）采用 Apache License 2.0（见 LICENSE）。基座 Qwen3-8B 同为 Apache-2.0。训练语料、评测集与模型权重不对外发布，无对外许可。

免责声明

本项目与其输出均为投资决策审查工具的研究产物，不构成任何投资建议；不提供行情预测，也不对任何交易的盈亏负责。使用者须自行承担全部风险。