---
title: CogWM-14B
canonical_url: "https://www.modelscope.cn/models/LucianMa/CogWM-14B"
md_url: "https://www.modelscope.cn/models/LucianMa/CogWM-14B.md"
repository: LucianMa/CogWM-14B
last_updated: 2026-06-26
license: "Apache License 2.0"
pipeline_tag: text-generation
tasks:
  - text-generation
parameters: 64.2M
tensor_type:
  - F32
library_name:
  - transformer
  - lora
  - safetensors
  - pytorch
frameworks:
  - Pytorch
language:
  - zh
  - en
domain:
  - nlp
downloads: 9
stars: 0
tags:
  - lora
  - qwen3
  - social-influence
  - dialogue-evaluation
  - cognitive-state
  - dbi
  - user-simulator
---

# CogWM-14B

> CogWM-14B - LucianMa 在 ModelScope 开源的模型。Cognitive World Model（认知世界模型） — 基于 Qwen3-14B LoRA 微调的用户认知状态追踪模型，在多方社交影响对话中同步预测用户的 Desire（愿望）、Belief（信念）、Intention（意图）和 Emotion（情绪），即 DBI/E 四维认知状态。

LucianMa/CogWM-14B 是 ModelScope 魔搭社区上的 64.2M 参数text-generation模型，采用 Apache License 2.0 许可。

- **Repository**: LucianMa/CogWM-14B
- **License**: Apache License 2.0
- **Tasks**: text-generation
- **Parameters**: 64.2M
- **Tags**: lora, qwen3, social-influence, dialogue-evaluation, cognitive-state, dbi, user-simulator
- **Downloads**: 9
- **Stars**: 0
- **Last updated**: 2026-06-26

Source: https://www.modelscope.cn/models/LucianMa/CogWM-14B

---

# CogWM-14B

**Cognitive World Model（认知世界模型）** — 基于 Qwen3-14B LoRA 微调的用户认知状态追踪模型，在多方社交影响对话中同步预测用户的 **D**esire（愿望）、**B**elief（信念）、**I**ntention（意图）和 **E**motion（情绪），即 DBI/E 四维认知状态。

CogWM 将对话评估从"用户说了什么"推进到"用户认知状态如何变化"，实现对会话 agent 社交影响力的**过程级**评估。

> **配套推理与评估脚本**：[https://github.com/lucianma05-create/CogWM](https://github.com/lucianma05-create/CogWM)

---

## 模型信息

CogWM-14B 是基于 Qwen3-14B 的 LoRA 适配器（rank=16, alpha=32），在 4 个对话数据集（ESConv / P4G / DuRecDial / DailyDialog）共 150,454 条 user-turn 样本上训练。每条样本通过 SaA（Summarize-and-Allocate）方法标注了 DBI/E 认知状态。模型联合预测用户的下一轮自然语言回复和结构化 JSON 认知状态。

**输入**: 用户画像（Big Five + 任务特征）+ 任务上下文 + 对话历史  
**输出**: `{"emotion": {...}, "belief": [...], "desire": [...], "intention": [...], "user_utterance": "..."}`

### 训练参数

| 参数 | 值 |
|---|---|
| 基座模型 | Qwen3-14B (Instruct) |
| LoRA | rank=16, alpha=32, dropout=0.05 |
| 训练样本 | 150,454 条 user-turn |
| 训练轮数 | 2 epochs |
| 最大长度 | 4096 |
| 学习率 | 8e-5 (cosine 调度) |
| 最终 Loss | 0.140 |

---

## 快速开始

### 下载

```bash
pip install modelscope
```

```python
from modelscope import snapshot_download
model_dir = snapshot_download('LucianMa/CogWM-14B')
```

### 推理（Transformers + PEFT）

```python
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

base = AutoModelForCausalLM.from_pretrained(
    "Qwen/Qwen3-14B", torch_dtype="auto", device_map="auto", trust_remote_code=True
)
model = PeftModel.from_pretrained(base, "LucianMa/CogWM-14B")
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3-14B")

messages = [
    {"role": "system", "content": "You are a user world model..."},
    {"role": "user", "content": "[用户画像 + 任务上下文 + 对话历史]"},
]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True, enable_thinking=False)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512, temperature=0.0)
```

### vLLM 部署

```bash
vllm serve Qwen/Qwen3-14B \
    --enable-lora \
    --lora-modules cogwm=LucianMa/CogWM-14B \
    --port 8123 --max-model-len 4096 --dtype bfloat16
```

---

## 评测指标

| 指标 | CogWM-14B | GPT-5.5 | DSv4-Pro |
|---|---|---|---|
| E-Acc（情绪准确率） | **77.6%** | 36.4% | 31.0% |
| B-Sim（信念相似度） | **0.773** | 0.474 | 0.462 |
| D-Sim（愿望相似度） | **0.705** | 0.433 | 0.445 |
| I-Sim（意图相似度） | **0.458** | 0.442 | 0.412 |
| BLEU-4（回复质量） | **0.150** | 0.043 | 0.060 |
| Length Ratio | **1.01** | 1.82 | 1.81 |

---

## 许可

Apache License 2.0