Rewrite2 4B · FP8 W8A8
中文小说改写专用 4B 模型。Qwen3.5-4B + V12.5 rewrite-only LoRA 合并后量化；只训练改写，没有扩写。 本仓库是 FP8 W8A8，约 5.5 GB（5.15 GiB）。ModelOpt 0.47.0 FP8 W8A8（e4m3），校准 128 条 V12.5 原文；排除 vision、MTP、linear_attn 的 conv1d / in_proj_a / in_proj_b 和 lm_head/embed_tokens。
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。
推荐参数
| 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 |
看 finish_reason：stop 是自然收尾，length 是撞到上限，需要调大或切短。重复惩罚只能降低复读概率，不能完全消除。
快速开始（vLLM）
vllm serve /path/to/rewrite2-4B-fp8 \
--served-model-name rewrite2-4b-fp8 \
--trust-remote-code \
--max-model-len 4096 \
--gpu-memory-utilization 0.40
vLLM 会自动识别 ModelOpt 的 FP8 W8A8 配置；如果提示未知量化，请加 --quantization modelopt_fp8。
格式与显存
| 项 | 本仓库 |
|---|---|
| 版本 | FP8 W8A8 |
| 权重 | 约 5.5 GB（5.15 GiB） |
| 推理权重显存 | 约 5.35 GiB 权重 |
| 建议 | 16GB 级显卡；NVFP4 在 Blackwell 上收益最大 |
| 推理栈 | vLLM（ModelOpt 量化格式） |
model.safetensors、config.json、hf_quant_config.json、generation_config.jsontokenizer.json、tokenizer_config.json、chat_template.jinjapreprocessor_config.json、video_preprocessor_config.json、processor_config.jsonINSTRUCTION_rewrite.txt、README.md、SHA256SUMS
验证
同一条 646 字 heldout 输入（temperature 0.7、seed 42、max_tokens 800、repetition_penalty 1.08）：
- FP8 W8A8：输出 903 字，改写率 42.3%，
dup80，自然收尾 - 两条都正常加载并生成；量化后的差异主要是输出长度和照抄率，不是格式错误
训练概况
- 基座：
Qwen/Qwen3.5-4B，revision851bf6e806efd8d0a36b00ddf55e13ccb7b8cd0a - 数据：V12.5 clean，25,647 条纯 rewrite；LoRA rank 32、1 epoch、2,934 steps
- 量化：ModelOpt 0.47.0，校准 128 条 V12.5 原文；没有 KV cache 量化
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。