mia-decider-2b

Mia 是一组中文短文本情感三分类（负面 / 中性 / 正面）模型，这是其中的 mia-decider-2b。完整评测、训练过程和三个版本的对比见 GitHub：https://github.com/leafiy/mia（下文的 reports/、scripts/、logs/ 路径都指那个仓库）。同一份权重在 Hugging Face 和 ModelScope 上都有。

hf download leafiy/mia-decider-2b --local-dir models/mia-decider-2b
# 或 modelscope download --model leafiy2/mia-decider-2b --local_dir models/mia-decider-2b
(cd models/mia-decider-2b && sha256sum -c final.sha256)

中文短文本情感三分类（负面 / 中性 / 正面）。在开源决策模型 decider-2b 上用 Mia 的数据接着全量微调一轮，褒贬并存的文本按中性处理。它仍是一个 Jev 式（System One）决策模型：情感是其中一道选择题，同一份权重也能回答别的选择题、是非题和打分题。

底座	Mapika/decider-2b v11（Hub revision 533964da）：Qwen/Qwen3.5-2B-Base 经 decider 的监督训练、校准强化学习与 LoRA 阶段；Apache-2.0，独立项目
参数量	1,882M（Qwen3_5ForCausalLM，答案读选项字母在 lm_head 上的 logits）
权重	final/model.safetensors，bf16，约 3.8G；final/decider_config.json 存温度、题面缓存开关和训练记录
题目	questions.json：一道 Choice，「判断文本作者表达的整体情感倾向。」，三个选项带定义；训练和推理用的是同一道题
标签顺序	负面, 中性, 正面（questions.json 的 criteria 顺序）
温度	0.9989（在 calibration 切分上拟合，decider_config.json 的 temperature 与 temperature_by_type.choice）
打分路径	默认题面在前、只算一次并缓存（schema_first: true，Decider.schema(questions).batch(texts)）；也可以走题面在后、每条重算的路径，结果见下
训练数据	Mia 的 76,112 行中文短文本（大模型重标，褒贬混合并入中性，未公开）+ 13,432 行 decider 自带 teacher_data/ 的通用决策题（15%）
训练	decider 自己的 python -m decider.train，delta 配方改两处（warmup 50、none_prob 0）；1 epoch，466 步，每步 32,768 token，lr 8e-6，一半样本题面在前，bf16，seed 0，RTX 4090 约 50 分钟
开发集 4,920	Acc 0.8866 · Macro-F1 0.8763 · 中性召回 0.888
holdout 5,372	Acc 0.8812 · Macro-F1 0.8705 · 召回 负 0.851 / 中 0.876 / 正 0.903 · ECE 0.0102
中文 900 条	Acc 0.9400 · Macro-F1 0.9397 · 中性召回 0.840
公开数据集（二选一准确率）	ChnSentiCorp 0.8800 · online_shopping_10_cats 0.9208 · eprstmt 0.8934 · weibo_senti_100k 0.8302；DMSC 三分类 0.5352
题面在后的路径	开发集 0.8831 · holdout 0.8762 · 中文 900 条 0.9333 · 公开 0.8867 / 0.9286 / 0.9049 / 0.8250 · DMSC 0.5330（reports/mia-decider-2b/state-first-*）
对照：原版 decider-2b 零样本	同一道题：holdout 0.8438 / Macro-F1 0.8320；中文 900 条 0.9078，中性召回 0.730（reports/decider-2b-zero-shot/）
通用判断有没有丢	decider 从没训过的 6 个领域（英文）：自定义题 0.932 → 0.935，路由题 0.895 → 0.927（reports/mia-decider-2b/history.json）
吞吐	RTX 4090，bf16，batch 64，holdout 端到端：题面缓存 375 条/秒，题面在后 129 条/秒
显存	题面缓存路径整卡占用：batch 16 约 6.6G，batch 64 约 19G（reports/mia-decider-2b/gpu-memory.json）；8G 卡请把 batch 调到 16
许可	权重以 Apache-2.0 发布（与底座一致）
依赖	torch，transformers>=5（含 qwen3_5），decider（commit a5120cc，或 decider-ai>=1.4）

import json
from decider.infer import Decider

d = Decider('models/mia-decider-2b/final')
questions = json.load(open('models/mia-decider-2b/questions.json', encoding='utf-8'))
schema = d.schema(questions)
for r in schema.batch(['这家店的服务真的没话说']):
    print(r['answers']['sentiment'])   # choice 正面，probabilities {负面: 0.0017, 中性: 0.004, 正面: 0.9943}

输入请先做与训练一致的归一化（scripts/prepare-laya-sentiment.py 的 normalize_text）。在只有正负两类的场景里，请比较正、负两类的概率，不要用三类 argmax：它会把两成到三成的褒贬并存或纯陈述文本判成中性。完整报告在 reports/mia-decider-2b/ 与 reports/public/mia-decider-2b.json，训练日志 logs/mia-decider-2b.log，数据构建脚本 scripts/prepare-decider-sentiment.py，评测脚本 scripts/evaluate-systemone-sentiment.py。

已知短板：中文 900 条上 300 条中性有 48 条判成负面，比 mia-qwen3.5-2b 的 29 条多；褒贬并存的文本会被判为中性，这是训练口径而不是缺陷；训练文本不超过 100 字，长评论上表现会下降；中文自定义题目能答，但没有评测集；只有 CUDA 上的题面缓存路径快。评测标签来自大模型重标，不是人工金标。

和常见开源中文情感模型对比

模型	类别	holdout 5,372 三分类	中文 900 条三分类	holdout 正负二选一	900 条正负二选一	ChnSentiCorp	网购评论	eprstmt	微博	DMSC Macro-F1	4090 每秒条数
mia-decider-2b	负 / 中 / 正	0.881	0.940	0.978	1.000	0.880	0.921	0.893	0.830	0.519	375
mia-qwen3.5-2b	负 / 中 / 正	0.871	0.941	0.972	1.000	0.882	0.922	0.897	0.798	0.499	626
mia-laya	负 / 中 / 正	0.817	0.938	0.954	0.995	0.883	0.919	0.882	0.803	0.467	1,977
Erlangshen-Roberta-330M-Sentiment	负 / 正	0.452	0.656	0.880	0.983	0.968	0.989	0.997	0.729	0.415	1,378
Erlangshen-Roberta-110M-Sentiment	负 / 正	0.448	0.646	0.871	0.968	0.962	0.979	0.982	0.721	0.409	3,809
uer/roberta-base-finetuned-dianping-chinese	负 / 正	0.455	0.657	0.885	0.985	0.877	0.894	0.795	0.726	0.414	3,812
uer/roberta-base-finetuned-jd-binary-chinese	负 / 正	0.431	0.654	0.839	0.982	0.834	0.928	0.902	0.704	0.455	3,795
cardiffnlp/twitter-xlm-roberta-base-sentiment	负 / 中 / 正	0.693	0.664	0.921	0.750	0.809	0.894	0.848	0.813	0.397	3,650
lxyuan/distilbert-base-multilingual-cased-sentiments-student	负 / 中 / 正	0.486	0.560	0.885	0.817	0.852	0.903	0.864	0.797	0.447	6,699
tabularisai/multilingual-sentiment-analysis	五档合为三类	0.622	0.777	0.837	0.785	0.822	0.868	0.841	0.668	0.374	6,556

同一套评测、同一台 RTX 4090（batch 64），脚本 scripts/evaluate-public-benchmarks.py（开源模型用 --model-type hf）与 scripts/benchmark-throughput.py，逐模型报告在 GitHub 仓库的 reports/open-models/。