---
language:
- en
license: other
license_name: s2-mas-controlled-research-v1.2
license_link: https://huggingface.co/ya9919/fin-laya-mlx-3-rounds/blob/main/LICENSE
base_model: convaiinnovations/laya
base_model_relation: finetune
tags:
- s2-mas
- financial-one-shot
- decision-model
---

# FinL-mlx · three-round comparator (MLX FP16)

## 模型命名与实验标签

本仓库提供 **FinL 三轮比较版本的 MLX FP16 格式**。主要模型 **FinL-mlx** 指向[完整六轮 MLX 运行版本](https://huggingface.co/ya9919/FinL-mlx)。对应的早期原生版本仍位于 [fin-laya-3-rounds](https://huggingface.co/ya9919/fin-laya-3-rounds)。

## 项目背景

S²-MAS 是面向社会规模的多智能体仿真框架，用于研究异质家庭在条件变化下的决策如何汇总为人口层面的结果。它将**5 亿条构造家庭 persona 资源**、可复用场景、可训练决策模型与持续更新的世界状态连接起来。FinL 在其中提供可复用的决策策略：根据家庭状态、问题和完整候选选项进行评分，使同一决策接口能够服务不同任务。

论文中的配对条件应用实际评估了 **1,200 万个独立合成家庭 agent、共 2,400 万次选择**；24 个月扩展则跟踪 10,000 户家庭在收入、必要支出与银行 offer 变化下的状态。应用结果说明家庭资源如何改变消费响应：持续降收消耗现金储备并推迟购置，持续增收则同时支持现金储备与购置；偿付反馈进一步影响后续 offer，从而将个体选择接到消费、现金与支付的时间路径。

## 本仓库的模型角色与训练

本仓库是 **FinL 3-round 金融 checkpoint 的 MLX FP16 运行版本**，与[原生版本](https://huggingface.co/ya9919/fin-laya-3-rounds)配套。该 checkpoint 基于约 421M 参数的 Laya ModernBERT-large encoder 与选项评分 head，以 real-survey data 为监督完成两次 SFT 和一次原生 RLCD；训练分区包含**每语言 1,721,623 条观测**。MLX 包提供这一训练 checkpoint 的另一种运行格式。

## 本版本的论文结果

| 测试口径 | 输入语言 | Backend / 精度 | QA 分母 | 问题版本 | Accuracy | Question-macro F1 |
|---|---|---|---:|---:|---:|---:|
| 共享金融问题 | 英语 | MLX FP16 | 240,458 | 119 | 74.53% | 38.01% |

Accuracy 对 QA 记录等权计分；question-macro F1 先在每个问题版本内平均完整候选类别的 F1，再对问题版本等权平均。

本表采用 Supplementary Figure S2 显示的两位小数精度。[配套原生版本卡片](https://huggingface.co/ya9919/fin-laya-3-rounds)与 Methods M4/M6 给出原生 BF16 及扩展测试结果。

## 部署速度

论文的单请求速度测量使用[FinL-bilingual checkpoint](https://huggingface.co/ya9919/fin-laya-multilingual-mlx)，条件为一张 NVIDIA A100 PCIe 40GB、FP16、batch size 与并发均为 1、三个固定中文案例。对应延迟、吞吐量与 Jev 比较见该版本卡片及 Methods M9。

## 模型文件与推理

本仓库包含模型权重、tokenizer和必要推理配置。使用 Laya-MLX 的 FP16 推理格式。 `predict_example.py` 使用独立合成的示例输入。

## 许可与论文

项目模型贡献适用[受限科研许可v1.2](LICENSE)。完整许可及保留的上游Apache-2.0权利见LICENSE。训练与评估记录不随模型发布。

[S²-MAS论文](https://github.com/KataDavidXD/s2-mas/blob/main/paper/S2_MAS_Paper.pdf) · [项目](https://github.com/KataDavidXD/s2-mas)

公开项目提供科学制图、决策模型训练与评测，以及独立合成配套数据生成脚本；GENESE／MAS 引擎实现保持私有。