---
title: laya-zh-v2
canonical_url: "https://www.modelscope.cn/models/zcgnull/laya-zh-v2"
md_url: "https://www.modelscope.cn/models/zcgnull/laya-zh-v2.md"
repository: zcgnull/laya-zh-v2
chinese_name: "laya 中文微调"
last_updated: 2026-09-23
license: apache-2.0
pipeline_tag: text-classification
tasks:
  - text-classification
base_model:
  - convaiinnovations/laya
base_model_relation: finetune
parameters: 321.9M
tensor_type:
  - F32
library_name:
  - safetensors
language:
  - zh
  - en
downloads: 168
stars: 13
tags:
  - laya
  - decision-engine
  - system-1
  - chinese
  - RLCD
---

# laya-zh-v2

> laya-zh-v2 - zcgnull 在 ModelScope 开源的模型。Chinese fine-tuned laya (RLCD): feishu workplace triage + customer-service decisions

zcgnull/laya-zh-v2 是 ModelScope 魔搭社区上的 321.9M 参数text-classification模型，采用 apache-2.0 许可，基于 convaiinnovations/laya 构建。

- **Repository**: zcgnull/laya-zh-v2
- **License**: apache-2.0
- **Tasks**: text-classification
- **Parameters**: 321.9M
- **Base model**: convaiinnovations/laya
- **Tags**: laya, decision-engine, system-1, chinese, RLCD
- **Downloads**: 168
- **Stars**: 13
- **Last updated**: 2026-09-23

Source: https://www.modelscope.cn/models/zcgnull/laya-zh-v2

---

# laya-zh-v2 · 问问 Laya 中文微调检查点

基于 [convaiinnovations/laya](https://modelscope.cn/models/convaiinnovations/laya) 的 `multilingual`
检查点（mmBERT-base 322M），用 RLCD（GRPO 式策略梯度 + 严格正则评分规则奖励）在中文决策语料上微调。在  https://www.modelscope.cn/studios/zcgnull/ask-laya  中可以体验一下。

## 训练数据（约 9500 训练项 × 2 epochs）

1. **中文职场消息分诊 700 cases**（飞书式多群消息，8 错误家族 × 4 均衡标签 urgent/todo/valuable/noise，
   全新合成内容，prompt 使用官方 feishu_zh 基准冻结版）
2. **中文客服工单 1200 条**（意图 choice / 紧急度 score / 流失与投诉 noul）

## 评测结果

| 评测 | 基座 multilingual | laya-zh-v2 |
|---|---|---|
| 官方 feishu_zh choice 准确率（64×3 repeats） | 31.2% | **51.6%** |
| 官方 feishu_zh four_noul 准确率 | 28.1% | **39.1%** |
| 官方 choice macro-F1 | 0.257 | **0.482** |
| 官方 误报动作 | 22/32 | **1/32** |
| 中文客服测试集整体 | 42.8% | **90.9%** |
| 英文探针（67 判定，轻度遗忘） | 79.1% | 76.1% |

训练与评测细节见项目仓库 docs/finetune_report.md。

## 用法

```python
from modelscope import snapshot_download
import laya

d = snapshot_download("zcgnull/laya-zh-v2")
agent = laya.load(d)
res = agent.predict(
    "耳机用了两周就没声音了，我要退款并投诉，急用。",
    {"intent": {"type": "choice", "instructions": "主要诉求？",
                "criteria": {"refund": "退款", "quality": "质量问题", "service": "服务"}}})
print(res["answers"])
```

推荐经 `webapp/server.py`（本项目 Ask Laya 站点）或 `laya-serve` 使用。概率输出仅供决策参考。