Rewrite2 4B · BF16

中文小说改写专用 4B 模型。Qwen3.5-4B + V12.5 rewrite-only LoRA 合并，只训练改写，没有扩写。本仓库是未量化的 BF16 合并权重（2 个 safetensors 分片，约 9.1 GB / 8.45 GiB），作为 FP8 / NVFP4 / GGUF 的质量基准。

长度与切分

单段原文建议 500–1,200 汉字。 1,200–1,500 汉字可用，但输出会更压缩、连续照抄和重复风险会上升；超过 1,500 汉字建议按场景/段落切成 500–700 字后再逐段输入。模型默认是压缩式改写，不是等长改写。

在 1,000–1,300 字的 heldout 小测里，改写率和 700–1,000 字基本一致；长输入的主要代价不是“改不动”，而是输出变短（约为原文的 0.6–0.9 倍）和连续照抄变多。

原文长度	建议
≤ 1,200 字	单段直接输入
1,200–1,500 字	可用；`max_tokens` 给到 1500–1600，抽查长度比和照抄
> 1,500 字	按场景/段落切 500–700 字，逐段改写后拼接

必用提示词

这个模型是任务特化 SFT，不是通用润色助手。训练时只有一条 user 消息，没有 system prompt，也没有 thinking。请直接使用下面的固定提示词：

你是一位小说编辑，正在帮作者改文。请把下面这段小说片段改写成自然、有作者个人风格的中文，保持情节走向、人物设定和主要事件不变。无论原文是否通顺、AI味是轻是重，都要重新组织语言，禁止连续照抄原文超过15字；原文越好，越要用同义改写而不是照搬。

原文：

拼接方式：INSTRUCTION_rewrite.txt 的内容 + 原文，直接作为一条 user 消息。仓库内附 INSTRUCTION_rewrite.txt。不要把 enable_thinking 当成开关：模板已经固定为空 <think>\n\n</think>\n\n，模型只输出正文。

项目	建议
temperature	`0.7`；固定复现实验用 `0`
top_p	`0.9`
top_k	`50`（vLLM / llama.cpp 支持时）
max_tokens	改写 1200；1,200–1,500 字输入用 1500–1600
重复惩罚	`repetition_penalty=1.08` 起步；llama.cpp `--repeat-penalty 1.08`
原文长度	单段 500–1,200 汉字；超过就切

快速开始（vLLM）

vllm serve /path/to/rewrite2-4B-bf16 \
  --served-model-name rewrite2-4b \
  --trust-remote-code \
  --max-model-len 4096 \
  --gpu-memory-utilization 0.50

from pathlib import Path
from openai import OpenAI

client = OpenAI(base_url="http://127.0.0.1:8000/v1", api_key="EMPTY")
instruction = Path("INSTRUCTION_rewrite.txt").read_text(encoding="utf-8")
text = """把这里换成需要改写的小说原文。"""
response = client.chat.completions.create(
    model="rewrite2-4b",
    messages=[{"role": "user", "content": instruction + text}],
    temperature=0.7,
    top_p=0.9,
    max_tokens=1200,
    extra_body={"repetition_penalty": 1.08, "top_k": 50},
)
print(response.choices[0].message.content)

格式与显存

项	本仓库
版本	BF16 合并权重
权重	约 9.1 GB（8.45 GiB），2 个分片
推理权重显存	约 8.5 GiB
建议	16GB 级显卡可跑；24GB 更宽裕
推理栈	vLLM / Transformers（Qwen3.5 架构）

model-00001-of-00002.safetensors、model-00002-of-00002.safetensors
model.safetensors.index.json、config.json、generation_config.json
tokenizer.json、tokenizer_config.json、chat_template.jinja
preprocessor_config.json、video_preprocessor_config.json、processor_config.json
INSTRUCTION_rewrite.txt、README.md、SHA256SUMS

训练概况

基座：Qwen/Qwen3.5-4B，revision 851bf6e806efd8d0a36b00ddf55e13ccb7b8cd0a
数据：V12.5 clean，25,647 条纯 rewrite；2048 长度下可用 23,470 条
方法：LoRA rank 32、alpha 64、1 epoch、max_length=2048、completion-only loss
训练：2,934 steps，final train_loss 1.214，mean token accuracy 0.718
合并：merge_and_unload() 后导出 BF16；模板固定无思考

全部版本（4B 系列）

格式	体积	Hugging Face	ModelScope
BF16 合并	8.47 GiB	rewrite2-4b-bf16	rewrite2-4b-bf16
FP8 W8A8	5.15 GiB	rewrite2-4b-fp8	rewrite2-4b-fp8
NVFP4 W4A4	3.70 GiB	rewrite2-4b-nvfp4	rewrite2-4b-nvfp4
GGUF Q8_0 / Q4_K_M	4.48 GB / 2.71 GB	rewrite2-4b-gguf	rewrite2-4b-gguf

4B 是独立实验线，和 27B Rewrite2 权重不通用；27B 见 rewrite2-27b-bf16。

已知限制

4B 的容量有限，不要按 27B 的质量预期使用；复杂长段、多人物场景仍建议人工校对。
默认压缩改写：800–950 字输入的训练目标中位输出约 540 字（约 0.63 倍）；需要全文覆盖时请切段，并在提示词后明确要求覆盖全文。
有概率复读或死循环。部署时启用重复惩罚（建议 1.08 起步），同时设置硬性 max_tokens 和超时。
本版只训练了改写，没有扩写能力；不要使用扩写提示词。
视觉塔保留在权重里，但没有做图像训练；本仓库只保证文本改写。
低比特量化会放大压缩和复读倾向；Q4_K_M 比 Q8_0 更明显，正式使用前请按自己的文本验收。
不保证通用聊天、代码、数学、翻译或跨章节长篇一致性。

aikexue170/rewrite2-4b-bf16