hiroshij/evidence-based-qwen3-14b

Evidence-Based Interactive Refinement Qwen3-14B

このモデルは、Qwen3-14BをベースとしたEvidence-Based Interactive Refinement（証拠ベース対話的改善）システムです。

🔍 Evidence-Based System Features

Phase 1: 基礎修正システム再構築

• 証拠ベース修正トリガー: 直感的判断を排除し、証拠に基づく修正判定
• 知識確信度評価: リアルタイム知識確信度モニタリング
• 修正効果予測: 修正前の効果予測とゲート制御

修正トリガーシステム成功率

• 制約違反検出: 75%成功率
• 計算不整合検出: 57%成功率
• 論理矛盾検出: 40%成功率

モデル仕様

• ベースモデル: Qwen/Qwen3-14B
• 改善ラウンド数: 3
• 1ラウンド最大トークン: 600
• Evidence-Based修正: 有効
• 知識確信度追跡: 有効
• 修正効果予測: 有効

Evidence-Based Reasoning Process

1. 制約違反検出: 数値制約、論理制約、時間制約の自動検出
2. 計算整合性チェック: 数式計算、パーセンテージ合計の検証
3. 論理矛盾検出: 否定パターン、絶対表現矛盾、因果関係循環の発見
4. 知識確信度評価: ドメイン知識のカバレッジと確実性の評価
5. 修正効果予測: 複雑性増加、知識ギャップ拡大、論理一貫性リスクの評価

使用方法

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("hiroshij/evidence-based-qwen3-14b")
model = AutoModelForCausalLM.from_pretrained("hiroshij/evidence-based-qwen3-14b")

# Evidence-Based推論実行（実装は別途必要）
question = "複雑な推論問題"
response = evidence_based_generate(model, tokenizer, question)

期待される改善効果

• 推論品質向上: 証拠ベースの段階的改善により高品質な回答
• エラー削減: 制約違反・計算エラー・論理矛盾の自動検出・修正
• 信頼性向上: 知識確信度の明示的評価
• 修正効果最適化: 修正による悪化を33.3%から大幅削減

ライセンス

Apache 2.0

---

Evidence-Based Interactive Refinement - 証拠に基づく知的推論システム