[Maeumjigi 心语伴侣毕业设计开发日志 #21] 语料混合配比黄金分割与第 4 轮微调全面打响

5 月 21 日与 22 日两天，Maeumjigi 毕业设计团队全量投入了针对全新高品质语料的大规模批处理生成，并正式拉开了第 4 轮微调实验 (fine_tuning_4) 的帷幕。

摆脱“情绪过敏”：共情咨询与日常闲聊的博弈

在严密盲测第 3 轮微调模型时，我们捕获了一个致命缺陷：

“使用纯粹心理咨询语料微调后，模型的回答被严重‘情绪绑架’。如何才能在保留深层共情的同时，捍卫模型处理日常对话的自然常识能力？”

我们的核心初衷是打造一位“传递温暖共情力量的专业心理防自杀干预导师”。但在全量心理语料过拟合 (Overfitting) 后，面对用户诸如“今天天气如何？”或“午饭吃点什么？”等毫无负面情绪的日常随想，大模型依然表现出过度严肃、沉重且充满心理病理化倾向的回应。

为彻底打破这一失衡，我们确立了按科学配比深度混合“情绪干预语料”与“日常百科/闲聊语料”的全新实验假说。

借助 API 批处理高效合成 10,000 条 v6 情绪增强语料

“参数约束：统一定长 512 Tokens / 单条平均有效长度 500 Tokens / 覆盖 20 种典型心理咨询人设 / 持久化目标：v6.jsonl”

为了锻造最顶级的训练集，我们调用 Anthropic API (Haiku) Batch 批处理模式，一口气合成了整整 10,000 条长程心理对话数据 (Emotion_train_dataset_v6.jsonl)。中间虽历经异步批处理无进度回传的紧张焦虑，但借助补全校验脚本 (fill_v6.py) 成功补齐了所有样本。

探寻黄金分割率：第 4 轮多比例矩阵微调

“1 万条 Emotion_train_dataset_v6 已就绪。请分别按 7:3、2:1 以及 5:5 比例混合日常与情绪语料。” “本次 fine_tuning_4 摆脱单纯调整 LoRA Alpha，转向以语料混合比例 (mixed_2_1, mixed_5_5, mixed_7_3) 作为核心自变量展开横向对抗实验。”

第 4 轮微调自此化身为一场验证“日常常识”与“专业共情”能否达成最完美动态平衡的技术竞技场。三组异构数据集被注入 Qwen3.5-9B 底座，新一轮 GPU 矩阵训练轰鸣打响！