v6: fix code bugs + context-aware comfort

README.md

@@ -57,6 +57,14 @@ datasets:
   - 150 条数据：多语言小型项目 90 条（Python 20 / C 10 / C++ 10 / C# 10 / HTML 前端 10 / Java 10 / JavaScript 10 / Swift 5 / Go 5）+ 场景感知对话 60 条（简短 40 + 长篇 20，中英粤）
   - 让模型学会「看场景决定说多说少」（日常闲聊简短带 emoji，技术/代码问题详细完整），并能写多种语言的小型项目
   - 从第二轮权重续训（resume），学习率 5e-5，batch size 2，150 步
+- **第四轮（情感共情 + 格式感知 + 多轮 + 复合逻辑）**：
+  - 120 条：情感共情 40 + 格式感知 21（区分「解释概念用纯文字」vs「写代码用代码块」）+ 多轮对话 10 + 复合逻辑对比 11 + 纯代码 18 + 锚点 20
+  - 修复评测反馈的四个短板（复合逻辑出错、闲聊乱用代码块、缺情感共情、缺多轮语义追踪）
+  - 从第三轮权重续训，学习率 5e-5，batch size 2，120 步
+- **第五轮（代码正确性 + 分场合安慰）**：
+  - v6.1：133 条（正确代码 79 条覆盖 9 语言 + bug 修复 20 + 全面发展 34），提升代码正确性、减少 bug
+  - v6.2：26 条（该安慰 8 + 不该安慰 12 + 锚点 6），学会分场合安慰（明确负面情绪才安慰，中性日常简短回应）
+  - 从第四轮权重续训，学习率 5e-5
 - **身份设定**：通过 system prompt + 身份问答样本，固定模型身份为「LycheeAI-coder-1.7b，由 Qwen3-1.7B 微调而来」
 
 ## 使用方式
@@ -77,14 +85,10 @@ print(response)
 mlx_lm.generate --model LycheeAI-coder-1.7b --prompt "写一个二分查找" --max-tokens 200
 ```
 
-## ⚠️ 已知问题
-
-- **对话能力有限**：本模型定位为**代码优先**的编程助手。虽已通过混合数据（中/英/粤语对话）缓解了纯代码微调导致的对话退化，但作为 1.7B 小模型，通用对话的深度与准确性仍不如专门的大规模聊天模型。生成时可能残留空的 `<think>` 标记（Qwen3 思考模式的痕迹），可忽略或由客户端过滤。
-
 ## 预期用途与局限
 
-- **适用**：代码生成、代码补全、简单编程问答、代码解释
-- **局限**：1.7B 参数规模有限，复杂推理、长上下文、跨领域知识能力有限；微调数据以 Python/TypeScript/Java/Swift/Go/C/C++ 为主
+- **适用**：代码生成、代码补全、编程问答、代码解释、日常多语言对话
+- **局限**：1.7B 参数规模有限，复杂推理、长上下文、跨领域知识能力有限
 
 ## 致谢
 

model.safetensors

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:de9626595809f6fc7477217826d77bcd0e05cff71841736411a2de2199069f60
+oid sha256:2c34f021257de67eca80015ec773f22be35fcd2228da66b492aa5241620b8b65
 size 968080210