Release i60-p004: retrained stage-2 (60 iters, prune 0.04) — F1 98.00/98.06, 50MB

README.md

@@ -36,7 +36,7 @@ tags:
 
 | 文件 | 说明 |
 |---|---|
-| `model/wapic-cws.wac` | **主模型**（发布代号 h25_30，48 MB，二进制格式） |
+| `model/wapic-cws.wac` | **主模型**（发布代号 i60-p004，50 MB，二进制格式） |
 | `model/wapic-cws-base.wac` | Stage-1 base，warm-start 锚点（仅复现训练时需要） |
 | `model/pattern.txt` | 特征模板（unigram + bigram） |
 
@@ -46,10 +46,10 @@ tags:
 
 | 测试集 | F1 | P | R |
 |---|---|---|---|
-| PD-1998 (modern+punct) | **97.70** | 97.60 | 97.81 |
-| 12M 泛化集 | **97.48** | 97.55 | 97.42 |
+| PD-1998 (modern+punct) | **98.00** | 97.87 | 98.12 |
+| 12M 泛化集 | **98.06** | 98.09 | 98.02 |
 
-人名回归 case：15/15 全过。
+人名切分抽查全过（李镇全 / 林强峰 / 王小明 / 屠呦呦 / 王毅 / 布林肯 等）。
 
 ## 用法
 
@@ -76,8 +76,21 @@ seg.cut("中华人民共和国是一个伟大的国家")
 ## 训练
 
 两阶段 warm-start：`model/wapic-cws-base.wac`（Stage-1，12M LTP 语料）
-→ 在 name-rich / 现代语料 mix 上 `--init-from` fine-tune → 剪枝。
-完整配方与数据见数据集仓库 `Ismantic/wapic-cws-data` 的 `RELEASE_TRAINING_DATA.md`。
+→ 在 badcase 增强数据（`wapic-cws-data-2`）上 `--init-from` 链式 fine-tune
+共 60 迭代（3×20，禁用早停）→ 剪枝 `--prune-threshold 0.04`：
+
+```bash
+./build/wapic fit -p pattern.txt --init-from wapic-cws-base.wac \
+  -a l-bfgs -i 20 -e 0.0000001 -1 0.005 -2 0.0001 --histsz 5 \
+  --save-binary wapic-cws-data-2.txt ck20.wac
+# 再以 ck20 → ck40 → ck60 链式重复两次，然后：
+./build/wapic convert -m ck60.wac --save-binary --save-prune \
+  --prune-threshold 0.04 wapic-cws.wac
+```
+
+训练量选择依据迭代-F1 曲线：60–80 迭代为峰值平台，100 迭代起过拟合。
+完整配方与数据见数据集仓库
+[Ismantic/wapic-cws-data](https://huggingface.co/datasets/Ismantic/wapic-cws-data)。
 
 ## 许可
 

model/wapic-cws.wac

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:f1a6dc64275730f07d5df441d2f11a1c93f86cae5e89f109fb768ecaab0154ee
-size 50511571
+oid sha256:b440d2efb187428cffccd0796073ed5847ba089748e67858dfe34ed600f70d8e
+size 51957791