训练了一个3亿参数推理模型做序时账清洗，准确率97.39%，开源，本地部署不泄密

子午猫
子午猫

网络侦查研究院

2026年10月4日 06:20
湖南

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

一、从硬编码程序到“会归类”的模型

作者基于开源模型 BAAI/bge-large-zh-v1.5 微调出 320M（3亿）参数模型，用于会计凭证业务归类。测试显示：付材料款至存货采购、付打车费至日常费用、付设备款至长期资产，模型自己“注意”到“材料款/打车费/设备款”关键词，而非硬编码。验证准确率 97.39%。训练数据去重后 17424 条、实际投入约 12 万张凭证，共训练 5 次。

二、“教师模型+AI审查”保证数据质量

先用程序当“教师模型”给凭证打分类标签喂给模型；再用 AI 逐句审查、删掉分类错误或拿不准的数据（首轮删约 40%），甚至让 AI 自编薄弱数据补训。数据去重（相似度大于 75% 且同科目则合并）砍掉约 60% 冗余，既保质量又省上下文。整个训练框架已随项目开源，用户可本地 GPU（显存大于 8GB）自行重训。

三、“左脚踩右脚”：模型反哺程序

模型训到第三版后融入程序，程序得分权重 20%、模型概率权重 80% 主导；遇模型没见过的科目或用户没装模型时，程序 100% 主导。另设模型置信度：概率大于 80% 高置信、50%-80% 中、小于 50% 低，中低置信建议人工核查。CPU 版（约 40 条/秒、精度略降）默认部署，GPU 版满血快 2-3 倍。

情报价值：本文展示“程序打标→AI审数据→训小模型→模型反哺”的闭环，对经侦/审计取证中“海量流水/凭证自动分类”有直接借鉴：一是小参数（0.3B）专用模型即可替代人工逐笔判读，适合批量但不重复的作业；二是“教师模型+AI审查”的数据质量治理思路可迁移到涉案资金归类、异常交易标注；三是本地部署零隐私外泄，契合敏感案情数据不出域的要求。

来源：呆叫兽2058（2026-08-16 21:16 广东），《序时账清洗功能2.0：训练了一个3亿参数的推理模型，现在开源！》