Kenwwww

最终的结果是否主要是依靠multi agent系统保证的，也就是对于法律的检索精度改善，而非模型本身，对模型的法律知识注入有相关作用证明吗。根据相关经验来看，训练对于模型的领域知识注入十分低效，不知道作者有无相关建议。

关于知识注入有效性的问题

3

看了下相关评估，所以说经历一系列的训练流程后（cpt,sft），相较于微调前改进了在法律任务上的表现，但仍然无法实现在特定领域语料范畴上达到优于闭源大模型（GPT等）的效果。 我最近在思考，通过小参数开源模型针对私有语料进行增量预训练+微调是否能够达到在该领域优于闭源大模型的结果，还是说无法实现，用少量领域资料只能改进原始表现，还是无法优于闭源的大模型。 若知识层面无法优于闭源大模型，那么增量预训练的有效性就很低了，是否只需要足够多的蒸馏教师模型的问答数据用于sft即可？

相基于公司自有组件、代码生成代码

3

需要用增量预训练吗，但是依照以往增量预训练的经验，幻觉都是特别严重，我现在有很多组件说明文档、开发规范文档、历史项目代码，如何得到一个能够基于公司自有组件生成代码的代码模型呢？

### Description of the feature request: There is a lot of talk that fine-tuning can only teach the model to adapt to the task, and it is really difficult to...

关于负例挖掘

3

我将embedding进行了聚类，筛选出了分类错误的query作为负例，进行微调。。。效果比微调前差了好多。。。关于负类挖掘，有什么建议吗，还是说自动负例为空，让他采样排名较后的top项就能获得比较好的效果呢？ embedding模型的微调是否也需要混合一定比例通用数据（或者说模型本身区分度表现挺好的数据）来降低能力的损害？

about credit assignment

1

Great job!! I have a question about the source code logic that I would like to ask. Judging from a few examples, it seems that the agent directly returns a...

长时间部署后报错 worker dead，模型下线。

2

### System Info / 系統信息 2025-11-01 02:35:04,322 xinference.model.rerank.core 3569657 INFO Rerank with kwargs: {}, model: CrossEncoder( (model): _ModelWrapper( (model): XLMRobertaForSequenceClassification( (roberta): XLMRobertaModel( (embeddings): XLMRobertaEmbeddings( (word_embeddings): Embedding(250002, 1024, padding_idx=1) (position_embeddings): Embedding(8194,...

单卡无法部署多个replica

8

### System Info / 系統信息 如题，为什么，那我只有一张卡怎么部署多路副本 ### Running Xinference with Docker? / 是否使用 Docker 运行 Xinfernece？ - [ ] docker / docker - [ ] pip install / 通过 pip...

这个看着是通用类模型？有无结合行业、企业资料训练的行业级模型开源？