Add wapic-cws release model (wapic-20260605=h25_30) + base + pattern

.gitattributes

@@ -33,3 +33,5 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+base-v5_p0.01.wac filter=lfs diff=lfs merge=lfs -text
+wapic-20260605.wac filter=lfs diff=lfs merge=lfs -text

README.md

@@ -0,0 +1,70 @@
+---
+language: zh
+license: mit
+library_name: wapic
+pipeline_tag: token-classification
+tags:
+  - chinese-word-segmentation
+  - crf
+  - sequence-labeling
+  - chinese
+---
+
+# Wapic 中文分词模型 (wapic-cws)
+
+线性链 CRF（L-BFGS / OWL-QN 训练）中文分词模型，采用 BMES 标注。
+遵循现代中文标准：**人名保持整体**（李镇全、林强峰）、标点独立、数字/英文按字符类型边界切分。
+
+代码与训练框架：<https://github.com/Ismantic/Wapic>（C++17 重构的 [Wapiti](https://wapiti.limsi.fr/)）。
+
+## 文件
+
+| 文件 | 说明 |
+|---|---|
+| `wapic-20260605.wac` | **主模型**（发布代号 h25_30，48 MB，二进制格式） |
+| `base-v5_p0.01.wac` | Stage-1 base，warm-start 锚点（仅复现训练时需要） |
+| `pattern.txt` | 特征模板（unigram + bigram） |
+
+## 指标
+
+在 retag2 gold 测试集上（见 `Ismantic/wapic-cws-data`）：
+
+| 测试集 | F1 | P | R |
+|---|---|---|---|
+| PD-1998 (modern+punct) | **97.71** | 97.63 | 97.79 |
+| 12M 泛化集 | **97.49** | 97.58 | 97.41 |
+
+人名回归 case：15/15 全过。
+
+## 用法
+
+需先从源码编译 `wapic`（见 GitHub 仓库）：
+
+```bash
+# 交互式分词
+./build/wapic -m wapic-20260605.wac
+# >>> 李镇全今天接受了记者的采访
+# 李镇全 今天 接受 了 记者 的 采访
+
+# 批量标注：输入为每行一个字符、空行分句
+./build/wapic test -m wapic-20260605.wac input_nolabel.txt output_tags.txt
+```
+
+Python 绑定（pybind11，见仓库 `build_py`）：
+
+```python
+import wapic
+seg = wapic.Segmenter("wapic-20260605.wac")
+seg.cut("中华人民共和国是一个伟大的国家")
+```
+
+## 训练
+
+两阶段 warm-start：`base-v5_p0.01.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`。
+
+## 许可
+
+MIT（代码/模型权重）。训练语料源自人民日报 1998、LTP 标注及公开新闻语料，
+原始语料版权归各自所有者。

base-v5_p0.01.wac

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:9ea01696e05faabff0beecc5e90d438b3a5f97ec550e06ae56f5e1f4eb8f4ee2
+size 45829257

pattern.txt

@@ -0,0 +1,16 @@
+# Unigram features
+U00:%x[-2,0]
+U01:%x[-1,0]
+U02:%x[0,0]
+U03:%x[1,0]
+U04:%x[2,0]
+
+# Bigram character combinations
+U05:%x[-1,0]/%x[0,0]
+U06:%x[0,0]/%x[1,0]
+U07:%x[-2,0]/%x[-1,0]
+U08:%x[1,0]/%x[2,0]
+U09:%x[-1,0]/%x[1,0]
+
+# Bigram (label transition)
+B

wapic-20260605.wac

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:f1a6dc64275730f07d5df441d2f11a1c93f86cae5e89f109fb768ecaab0154ee
+size 50511571