laya-chat

给 Laya Chat（微信 macOS 回复副驾）用的判断模型。 从 Laya 的多语言权重（convaiinnovations/laya，子目录 multilingual，mmBERT-base 编码器）微调而来， 对一段中文聊天回答两组固定题目，每题输出各选项的概率，不生成文字：

• 好感度（打开会话时）：affinity 0–9、trend、open_issue
• 这条草稿发出去会怎样：reaction、risk_after_send、addresses_need、tone、affinity_change、invites_followup

题目原文在仓库的 laya_chat/questions_send.py。用法：

import laya
agent = laya.load("ricky136/laya-chat")
agent.cfg["head_max_len"], agent.cfg["max_len"] = 512, 1024

训练

• 数据：408 段中文对话（300 段来自 LCCC 筛选，100 段合成）× 4 条草稿 = 1638 条，老师模型（Claude Sonnet）给概率标签；按对话切分 train 1434 / dev 306 / test 306 条。
• 方法：Laya 官方微调脚本（软目标交叉熵 + 恰当评分规则奖励），4 轮，2×T4，25 分钟。
• 序列预算 head_max_len=512，max_len=1024。

结果（与老师标签的一致率）

	微调前 dev	微调后 dev	微调后 test
overall	0.321	0.585	0.615

test 集分题：tone 0.84 · open_issue 0.84 · invites_followup 0.79 · addresses_need 0.76 · trend 0.74 · affinity_change 0.57（MAE 0.32 档）· reaction 0.50（基线 0.31）· affinity 0.38（MAE 0.85 档）· risk_after_send 0.22（MAE 0.63 档）。

限制

• 训练集只有 1638 条草稿，对话多为合成；语气题的标签和草稿生成类型高度对应，模型可能学的是"认写法"。
• 风险题仍弱。老师是模型而非真人。
• 只在中文微信一对一场景验证过。