Qwen3.5-9B-Humanize-DPO-Round2 运行效果
我在本地 MacBook Pro M4，16GB 内存 上测试了这个模型。
使用的模型是 Qwen3.5-9B-Humanize-DPO-Round2，基础模型是 Qwen3.5-9B 8bit GGUF格式 量化版本。
原文是AI生成的，1万字左右的论文。AI检测平台是朱雀AI检测助手。
测试结果：
原文：AI 特征 92.01%，疑似 AI 7.99%，人工特征 0%
第一次改写后：AI 特征 54.09%，疑似 AI 43.09%，人工特征 2.82%
第二次改写后：AI 特征 15.3%，疑似 AI 70.65%，人工特征 14.05%
降了两遍之后，人工特征提升率不高。
感谢测试～之前我没有在这个平台测试过，不过你可以尝试在这个2阶段的模型上继续做类似的合成数据和dpo，应该效果会有提升，因为目前这个版本只能算一个实验版。
另外确认一下测试的细节，是自动切分分段后改写再拼回，还是每次输入一个章节然后改写一整章。因为训练的分布上更偏一段的，可能一段一段改写再拼接效果好一些
感谢测试～之前我没有在这个平台测试过，不过你可以尝试在这个2阶段的模型上继续做类似的合成数据和dpo，应该效果会有提升，因为目前这个版本只能算一个实验版。
另外确认一下测试的细节，是自动切分分段后改写再拼回，还是每次输入一个章节然后改写一整章。因为训练的分布上更偏一段的，可能一段一段改写再拼接效果好一些
测试部分我也是按照训练数据的格式，一段一段让它改写，然后拼接得到的。
另外我还有一个比较好的思路，就是在知网上批量下载2020年以前的论文。2020年以前的论文，AI率都是0。然后再让AI进行段落级改写，把AI率提高，再进行DPO的训练。训练数据也是段落级的。因为像这种AI检测报告，它的分析报告都是以段落级为基础，分析每一个段落的AI率是多少。
我也对千问模型进行微调，训练的是4B，8bit的小模型。由于数据量太少，以及本地配置太低，所以效果很有限