初始化项目，由ModelHub XC社区提供模型

Model: xinyuran/Qwen2.5-7B-RLRefine
Source: Original Platform

README.md

@@ -0,0 +1,148 @@
+---
+language:
+- zh
+license: mit
+tags:
+- 7b
+- chinese
+- rlhf
+pipeline_tag: text-generation
+base_model:
+- Qwen/Qwen2.5-7B-Instruct
+---
+
+# Qwen2.5-7B-RLRefine
+
+**基于 SFT → DPO → GRPO 三阶段 RL 训练的中文电商评论关键词提取模型**
+
+该模型由 [RLRefine](https://github.com/xinyuran/RLRefine) 项目产出，以 Qwen2.5-7B-Instruct 为基座，经过完整的强化学习训练流水线微调，专注于从中文电商评论中提取结构化关键词。
+
+---
+
+## 模型简介
+
+| 项目 | 详情 |
+|------|------|
+| 基座模型 | Qwen/Qwen2.5-7B-Instruct |
+| 训练阶段 | SFT → DPO → GRPO |
+| 主要任务 | 中文电商评论关键词提取 |
+| 输出格式 | 结构化 JSON（含推理过程） |
+| 语言 | 中文 |
+| 许可证 | MIT |
+
+---
+
+## 训练方案
+
+### 三阶段训练流程
+
+```
+Qwen2.5-7B-Instruct（基座）
+    │
+    ▼ SFT  ──  3329 条示范数据，5 epochs，lr=1e-5，LoRA rank=16
+    │          训练时长 ~1h 9min，2× H100 80GB，token_acc=79%
+    │
+    ▼ DPO  ──  ~3697 条偏好对，1 epoch，lr=5e-7，LoRA rank=8
+    │          教会模型区分原子化正确提取 vs. 粗糙提取
+    │
+    ▼ GRPO ──  Schema 驱动奖励函数（F1 50% + 格式 20% + Schema 20% + 推理 10%）
+               924 steps，训练时长 ~4h 35min，最终 reward=0.9375，KL=0.00045
+```
+
+### 硬件环境
+
+- GPU：2× NVIDIA H100 80GB HBM3
+- 框架：ms-swift 3.11.2 + vLLM 0.13.0
+- 分布式：DeepSpeed Zero2（GRPO 阶段）
+
+---
+
+## 模型能力
+
+相比原始 Qwen2.5-7B-Instruct（Zero-shot），本模型的提升：
+
+| 维度 | 原始模型 | 本模型 |
+|------|---------|--------|
+| 推理结构 | 简单 Markdown 列表 | 系统化五步分析 |
+| 关键词原子化 | 常含多词短语 | 严格≤4字原子级 |
+| 置信度类型 | 字符串 `"0.95"`（类型错误） | 数字 `0.95`（正确） |
+| 覆盖率 | 易遗漏核心词 | 系统性覆盖 |
+| 幻觉率 | 较高 | 受奖励函数约束，显著降低 |
+
+---
+
+## 使用方法
+
+### 直接推理（vLLM）
+
+```bash
+vllm serve xinyuran/Qwen2.5-7B-RLRefine --port 8000
+```
+
+### 配合 RLRefine 框架使用
+
+```python
+from core.processor import RLRefineProcessor
+from prompts.prompt_builder import PromptBuilder
+from core.config import Config
+from core.schema import ExtractionTask
+
+# 使用项目内置关键词提取配置
+prompt_builder = PromptBuilder.create_keyword_extraction_builder()
+config = Config(...)
+processor = RLRefineProcessor(config=config, task=task, prompt_builder=prompt_builder)
+
+results = processor.process_batch([
+    {"id": "001", "describe": "电视非常好，画面清晰，系统很智能，更多功能还在摸索中"}
+])
+```
+
+### 输出格式示例
+
+```json
+{
+  "keywords": [
+    ["核心商品主体，评论围绕电视展开", "电视", 0.95],
+    ["电视的关键视觉属性，被明确评价为清晰", "画面", 0.85],
+    ["直接描述画面质量的正面评价词", "清晰", 0.80],
+    ["电视的操作系统，被描述为智能", "系统", 0.85],
+    ["直接描述系统特性的正面评价词", "智能", 0.80],
+    ["提及但未评价的具体属性", "功能", 0.70]
+  ]
+}
+```
+
+---
+
+## 提取规则
+
+模型经过训练后遵循以下关键词提取规范：
+
+1. **忠于原文**：关键词必须逐字对齐原文，不得改写或归纳
+2. **原子化**：每个关键词 ≤ 4 个汉字，对象词和描述词分别输出
+3. **先推理再提取**：输出包含完整推理过程后跟 JSON 结果
+4. **幻觉抑制**：关键词必须在原文中出现，不得编造
+5. **数量上限**：最多输出 15 个关键词，按重要性降序
+
+---
+
+## 局限性
+
+- 当前训练数据聚焦于**中文电商评论**领域，其他领域（新闻、医疗等）效果未经验证
+- 关键词提取任务存在一定主观性，不同场景下规则可能需要调整
+- GRPO 训练时 `frac_reward_zero_std=0.75`，存在一定程度的奖励饱和，详见 [reward_design.md](https://github.com/xinyuran/RLRefine/blob/main/docs/reward_design.md)
+
+---
+
+## 引用
+
+如果本模型对你的工作有帮助，欢迎 Star 项目仓库：
+
+- GitHub: [xinyuran/RLRefine](https://github.com/xinyuran/RLRefine)
+- HuggingFace: [xinyuran/Qwen2.5-7B-RLRefine](https://huggingface.co/xinyuran/Qwen2.5-7B-RLRefine)
+
+---
+
+## License
+
+MIT License — Copyright (c) 2026 xinyuran