---
title: wordlink-edge
canonical_url: "https://www.modelscope.cn/models/OrionSheep/wordlink-edge"
md_url: "https://www.modelscope.cn/models/OrionSheep/wordlink-edge.md"
repository: OrionSheep/wordlink-edge
chinese_name: "WordLink-Edge · Qwen2.5-1.5B SFT 端侧英语 constrained 生成"
last_updated: 2026-10-04
license: Apache-2.0
pipeline_tag: text-generation
tasks:
  - text-generation
model_type:
  - qwen2
architectures:
  - Qwen2ForCausalLM
base_model:
  - Qwen/Qwen2.5-1.5B-Instruct
base_model_relation: adapter
parameters: 1.5B
tensor_type:
  - F32
library_name:
  - lora
  - safetensors
  - pytorch
frameworks:
  - PyTorch
downloads: 10
stars: 0
tags:
  - wordlink
  - english-learning
  - constrained-generation
  - lora
  - qwen2.5
---

# wordlink-edge

> wordlink-edge - OrionSheep 在 ModelScope 开源的模型。WordLink-Edge · SFT v2（Qwen2.5-1.5B-Instruct 微调）

OrionSheep/wordlink-edge 是 ModelScope 魔搭社区上的 1.5B 参数text-generation模型，采用 Apache-2.0 许可，基于 Qwen/Qwen2.5-1.5B-Instruct 构建。

- **Repository**: OrionSheep/wordlink-edge
- **License**: Apache-2.0
- **Tasks**: text-generation
- **Parameters**: 1.5B
- **Base model**: Qwen/Qwen2.5-1.5B-Instruct
- **Tags**: wordlink, english-learning, constrained-generation, lora, qwen2.5
- **Downloads**: 10
- **Stars**: 0
- **Last updated**: 2026-10-04

Source: https://www.modelscope.cn/models/OrionSheep/wordlink-edge

---

# WordLink-Edge · SFT v2（Qwen2.5-1.5B-Instruct 微调）

面向英语学习场景做 **CEFR 受限生成 + 目标生词注入** 的端侧小模型。
输入 system+user 提示（指定生词表与难度等级），输出 JSON 格式的定级短文。
设计目标：浏览器 WebGPU 端侧运行（1.5B 可量化至 q4），也可服务端部署。

- 底座：`Qwen/Qwen2.5-1.5B-Instruct`（Qwen2ForCausalLM，28 层，hidden 1536）
- 训练：LoRA SFT v2，r=64 / α=128 / dropout 0.05，2045 条多样化语料，3 epoch，lr 2e-4，max_seq 896
- 语料：DeepSeek-V3 教师生成 + `validate_sample` 硬过滤（命中100% / 越界0 / 长度带 / FKGL带）
- 设备：Apple M-series MPS fp32 分程训练（单进程线性内存泄漏修复版）

## 📁 仓库内容

| 路径 | 内容 |
|---|---|
| `/`（根目录） | **SFT 合并模型**（safetensors ×2 + tokenizer + config，直接可加载） |
| `adapter-v2/` | SFT v2 LoRA 适配器（含 checkpoint-234/351 与训练 manifest） |
| `adapter-v1-legacy/` | SFT v1 旧版适配器（模板语料，仅对照留档） |
| `eval/` | 基准评测报告与指标 JSON |

## 📊 实测基准（90 题，temperature=0 贪心解码）

| 模型 | 生词命中 ↑ | CEFR 越界 ↓ | JSON 合规 ↑ | FKGL |
|---|---:|---:|---:|---:|
| Qwen2.5-1.5B 底座 | 63.06% | 0.17% | 82.22% | 13.5 |
| **WordLink-Edge（本模型）** | **88.06%** | **0.01%** | **100%** | **9.82** |
| Qwen2.5-7B 零样本 | 39.72% | — | 0% | — |
| DeepSeek-V3 零样本（教师） | 97.78% | 0.01% | 100% | 10.38 |

> 同体量微调前后 +25pp 生词命中；FKGL 从 14.61（v1 记忆口径）降至 9.82，匹配 A2/B1 学习者水平。
> 完整报告见 `eval/BENCHMARK_RESULTS.md`。

## 🔗 下游对齐版本

本模型之上还有 DPO 行为对齐版（真实失败负例训练，指标持平但收敛更稳）：
**`OrionSheep/wordlink-lexiconstrain`**

## 加载方式

```python
from modelscope import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("OrionSheep/wordlink-edge")
model = AutoModelForCausalLM.from_pretrained("OrionSheep/wordlink-edge")
# 或用 transformers：snapshot_download 后 AutoModelForCausalLM.from_pretrained(local_dir)
```

项目代码与演示：`https://github.com/orionsheep/wordlink`