Industrial-Instruction：从工业技术报告构建指令微调与基准数据集的端到端框架
Industrial-Instruction 提出了两个开放问答数据集，以及一套将工业技术报告转化为训练和评测数据的完整流程。研究使用 906 份公开的松下文档，共 7,525 页，结合版面感知提取、语义检索和基于证据的选择题生成。经过筛选后，每个数据集约包含 13,600 组问答，并提供来源文档和独立的基准测试集。对参数量低于 100 亿的小型开放权重大语言模型进行微调后，松下基准测试的 Set-Match Accuracy 从 28.5% 提升至 42.0%，F1 从 46.6% 提升至 63.5%。使用 Claude Opus 4.6 生成的数据集原始语料更干净，微调收益也更大，但成本约为 Qwen3-30B-A3B 版本的 100 倍。该工作为构建可复现的工业文档基准和训练数据提供了实践路径。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。