Update training recipe (60 iters, prune 0.04) and F1 to 98.00/98.06

README.md

@@ -52,7 +52,7 @@ ds = load_dataset("Ismantic/wapic-cws-data", data_files={
 ```
 
 模型在 `wapic-cws-data-test-2`（PD-1998）/ `wapic-cws-data-test-1`（12M）上的
-F1 = **97.70 / 97.48**。
+F1 = **98.00 / 98.06**。
 
 ## 训练
 
@@ -61,19 +61,18 @@ F1 = **97.70 / 97.48**。
 - **Stage 1**（`wapic-cws-data-1`，蒸馏数据）→ 训练出 base 模型 `wapic-cws-base.wac`。
 - **Stage 2**（`wapic-cws-data-2`，针对 badcase 的增强数据）→ 在 base 上 `--init-from` 精修。
 
-复现命令（示意，`.gz` 解压为 `.txt` 后使用）：
+复现命令（`.gz` 解压为 `.txt` 后使用；Stage-2 共 60 迭代 = 3×20 链式、
+禁用早停，为迭代-F1 曲线的峰值区间；100 迭代起过拟合）：
 
 ```bash
 # Stage 1 base（蒸馏数据训练出 wapic-cws-base.wac，一般直接复用，不重训）
-# Stage 2:
+# Stage 2（ck20 → ck40 → ck60 链式三段）:
 ./build/wapic fit -p data/pattern.txt --init-from data/wapic-cws-base.wac \
-    -a l-bfgs -i 50 -1 0.005 -2 0.0001 -t 12 --histsz 5 --save-binary \
-    data/wapic-cws-data-2.txt data/stage2-a.wac
-./build/wapic fit -p data/pattern.txt --init-from data/stage2-a.wac \
-    -a l-bfgs -i 50 -1 0.005 -2 0.0001 -t 12 --histsz 5 --save-binary \
-    data/wapic-cws-data-2.txt data/stage2-b.wac
-./build/wapic convert -m data/stage2-b.wac --save-binary --save-prune \
-    --prune-threshold 0.02 data/wapic-cws.wac
+    -a l-bfgs -i 20 -e 0.0000001 -1 0.005 -2 0.0001 -t 8 --histsz 5 --save-binary \
+    data/wapic-cws-data-2.txt data/ck20.wac
+# 同参数 --init-from data/ck20.wac → ck40.wac，再 --init-from ck40 → ck60.wac，然后：
+./build/wapic convert -m data/ck60.wac --save-binary --save-prune \
+    --prune-threshold 0.04 data/wapic-cws.wac
 ```
 
 ## 来源与许可