---
title: RubricSpan-mrc-1.0-flash
canonical_url: "https://www.modelscope.cn/models/Mai2026/RubricSpan-mrc-1.0-flash"
md_url: "https://www.modelscope.cn/models/Mai2026/RubricSpan-mrc-1.0-flash.md"
repository: Mai2026/RubricSpan-mrc-1.0-flash
chinese_name: "RubricSpan MRC 抽取模型 1.0-flash"
last_updated: 2026-09-10
license: cc-by-nc-sa-4.0
library_name:
  - onnx
language:
  - zh
downloads: 0
stars: 0
---

# RubricSpan-mrc-1.0-flash

> RubricSpan-mrc-1.0-flash - Mai2026 在 ModelScope 开源的模型。RubricSpan-mrc-1.0-flash

Mai2026/RubricSpan-mrc-1.0-flash 是 ModelScope 魔搭社区上的机器学习模型，采用 cc-by-nc-sa-4.0 许可。

- **Repository**: Mai2026/RubricSpan-mrc-1.0-flash
- **License**: cc-by-nc-sa-4.0
- **Downloads**: 0
- **Stars**: 0
- **Last updated**: 2026-09-10

Source: https://www.modelscope.cn/models/Mai2026/RubricSpan-mrc-1.0-flash

---

# RubricSpan-mrc-1.0-flash

> **RubricSpan · 阅微** —— 中文主观题智能阅卷 · MRC 得分点抽取模型（1.0-flash）

面向中文主观题（文科简答题 / 论述题 / 材料解析题）的智能阅卷推理模型。
本模型在学生作答文本中**抽取命中得分点的原文片段**并给出 `has_answer` 置信度，
是 RubricSpan 混合评分链路的第一阶段（抽取 → 置信判定 → 相似度兜底）。

**项目主页** [github.com/Maicarons/RubricSpan](https://github.com/Maicarons/RubricSpan) ·
**文档站** [maicarons.github.io/RubricSpan](https://maicarons.github.io/RubricSpan/) ·
**配套模型** [RubricSpan-similarity-1.0-flash](https://huggingface.co/Maicarons/RubricSpan-similarity-1.0-flash)（相似度兜底）

## 模型简介

| 项 | 值 |
|---|---|
| 基座 | `Langboat/mengzi-bert-base`（Apache-2.0） |
| 任务 | MRC 得分点抽取（Span Extraction + has_answer 判定） |
| 训练 | CMRC2018 bridge 1 epoch → SAS-Bench 打标 + 四档合成答卷 main 3 epochs（17,532 五元组） |
| 导出 | ONNX opset 17 · 最大序列 512 · seed 42 |

### 模型指标

| 指标 | 值 | 说明 |
|---|---|---|
| EM | 0.4815 | span 与金标完全一致率 |
| Token F1 | 0.7578 | span 边界 F1 |
| 得分点准确率 | 0.894 | 抽取点判定准确率 |
| 等价表述命中率 | 0.9431 | 同义答案（戊戌变法↔百日维新类）命中 |
| Score Corr | 0.765 | 系统级相关系数 |

> 系统级（36 卷 e2e，交付配置）：Point-Acc **0.8402**、ScoreCorr(Pearson) **0.9654**、
> MAE **1.569**、零分带给分率 **18.0%** —— 详见
> [部署改进对照报告](https://maicarons.github.io/RubricSpan/reports/deploy-improvement)。

## 文件清单

| 文件 | 大小 | SHA-256 |
|---|---|---|
| `model.onnx`（FP32 · 对拍验收档） | 407 MB | `aa07921b1881e5e5aa7ae25dccf200171a3bebd2152122db760704039600da26` |
| `model.int8.onnx`（动态 INT8 · CPU 档） | 103 MB | `d0a1000e12a1308b927967024964a59d5e211731df8b2c4ba1dcb9429a3bf302` |
| `model.fp16.onnx`（FP16 · GPU 最快档） | 204 MB | `69db09efe1eb0325cc64fc222e6d371783fa3933702b73da529a7bf39f9b3a60` |
| `tokenizer/` | 4 文件 | tokenizer.json / config / special_tokens / vocab |

> 推理侧加载前会按 SHA-256 校验，不一致拒绝启动；`RUBRICSPAN_MODEL_PRECISION` 选择精度档，
> 缺失自动回落 FP32。

## 使用

```bash
# 放到后端模型目录（models/mrc/），由 rubricspan-server 直接加载
cd backend && ./target/release/rubricspan-server --models-dir ../models --listen 127.0.0.1:8080
```

评分链路：学生答案（含 OCR 识别文本）→ **题干剥离** → MRC 多候选抽取 → 置信判定 →
相似度兜底（配套 similarity 模型）→ 加权汇总。WASM 浏览器离线端亦可运行同一评分核心。

## 许可

**CC BY-NC-SA 4.0**。训练数据含 CC BY-NC 4.0（CMMLU）与 CC BY-NC-SA 4.0（C-Eval）等非商业来源，
模型发布许可对齐最严格数据许可：可自由使用/分享（须署名、非商业、同协议共享），
**商业使用需另行取得相关数据集商业授权**。完整审计见
[licenses](https://github.com/Maicarons/RubricSpan/blob/main/docs/quality/licenses.md)。

## 版本

- **1.0-flash**（本模型）：轻量基线，M0–M8 数据训练；
- **1.0-pro**（开发中）：接入 8 个外部数据来源（高考真题、中学文科知识等 68,349 条归一化数据）
  的全数据增强版，训练方案见 [train-1.0-pro](https://maicarons.github.io/RubricSpan/reports/train-1.0-pro)。