README.zh.md: link KnowLine-4B-Gen2, add DI 0.3 calibration
Browse files- README.zh.md +4 -0
README.zh.md
CHANGED
|
@@ -4,6 +4,8 @@
|
|
| 4 |
|
| 5 |
[推理说明](INFERENCE.md) · [English](README.md) · 权重 Apache-2.0
|
| 6 |
|
|
|
|
|
|
|
| 7 |
亮点：
|
| 8 |
|
| 9 |
- **Decision Index 0.3 公开套件：60.47**（自测）。作为对照：Jev 1.13 为 57.96（榜单）；榜单上 ≤5B 模型的最高公开分为 50.82，见[横向对比](#横向对比)。
|
|
@@ -77,6 +79,7 @@ curl -s http://127.0.0.1:8080/v1/systemone -H 'Content-Type: application/json' -
|
|
| 77 |
|
| 78 |
| 模型 | 日期 | DI 0.3 公开 | DI 0.2.1 | 黄金集留出（英 / 简 / 繁） | 说明 |
|
| 79 |
| --------------------- | ---------- | --------- | -------- | ------------------ | ---------------------------- |
|
|
|
|
| 80 |
| KnowLine-4B-Gen1（本模型） | 2026-10-07 | 60.47 | 60.92 | 68.7 / 69.9 / 64.1 | 首次发布（内部运行 "mix E"，第 5,650 步） |
|
| 81 |
|
| 82 |
|
|
@@ -132,6 +135,7 @@ curl -s http://127.0.0.1:8080/v1/systemone -H 'Content-Type: application/json' -
|
|
| 132 |
- **数学**：没有推理过程，0.3 重建版 GSM8K 为 29.5。
|
| 133 |
- **提示注入**：在我们的注入测试集上，状态里植入的指令约有 9% 的概率改变答案。请把不可信文本清楚地隔开。
|
| 134 |
- **校准**：选择题和是/否题的 ECE 约为 0.05-0.06，打分题约为 0.12。打分题建议用自己的数据拟合温度。
|
|
|
|
| 135 |
- **私有测试**：我们在公开套件上的优势有一部分来自对题目格式的适应，0.3 私有测试的分数可能更低。
|
| 136 |
|
| 137 |
## 引用
|
|
|
|
| 4 |
|
| 5 |
[推理说明](INFERENCE.md) · [English](README.md) · 权重 Apache-2.0
|
| 6 |
|
| 7 |
+
> **新版本**：[KnowLine-4B-Gen2](https://huggingface.co/PelaAI/KnowLine-4B-Gen2) 已发布：DI 0.3 公开分 62.54，自测评测全部不低于本模型。
|
| 8 |
+
|
| 9 |
亮点：
|
| 10 |
|
| 11 |
- **Decision Index 0.3 公开套件：60.47**（自测）。作为对照：Jev 1.13 为 57.96（榜单）；榜单上 ≤5B 模型的最高公开分为 50.82，见[横向对比](#横向对比)。
|
|
|
|
| 79 |
|
| 80 |
| 模型 | 日期 | DI 0.3 公开 | DI 0.2.1 | 黄金集留出（英 / 简 / 繁） | 说明 |
|
| 81 |
| --------------------- | ---------- | --------- | -------- | ------------------ | ---------------------------- |
|
| 82 |
+
| [KnowLine-4B-Gen2](https://huggingface.co/PelaAI/KnowLine-4B-Gen2) | 2026-10-08 | 62.54 | — | 69.7 / 71.2 / 64.8 | 本模型占 0.5，mix F 第 4,500、5,000 步各占 0.25，权重平均 |
|
| 83 |
| KnowLine-4B-Gen1（本模型） | 2026-10-07 | 60.47 | 60.92 | 68.7 / 69.9 / 64.1 | 首次发布（内部运行 "mix E"，第 5,650 步） |
|
| 84 |
|
| 85 |
|
|
|
|
| 135 |
- **数学**：没有推理过程，0.3 重建版 GSM8K 为 29.5。
|
| 136 |
- **提示注入**：在我们的注入测试集上，状态里植入的指令约有 9% 的概率改变答案。请把不可信文本清楚地隔开。
|
| 137 |
- **校准**：选择题和是/否题的 ECE 约为 0.05-0.06，打分题约为 0.12。打分题建议用自己的数据拟合温度。
|
| 138 |
+
在 Decision Index 0.3 公开套件上按榜单的方法计算，ECE 约 0.08-0.09，置信度 ≥95% 但答错的约占 3.3%（榜单中位数 1.3%），整体偏自信。
|
| 139 |
- **私有测试**：我们在公开套件上的优势有一部分来自对题目格式的适应，0.3 私有测试的分数可能更低。
|
| 140 |
|
| 141 |
## 引用
|