Page 143 - 2025年第56卷第1期

图 ９ 判断题测试结果 图 １０ 填空题测试结果

表 ４ 判断题回答示例

模型类别 模型回答 问题 标准回答
灌浆段灌浆前透水率小， 可不进行灌浆， 是错误的（部
ＣｈａｔＧＬＭ ３－６Ｂ－Ｇｒｏｕｔ
分正确）
错误， 灌浆段不论灌浆前透
灌浆 段灌浆 前 透
错误， 灌浆段不论灌浆前透水率大小， 这是为了保障 水率大小， 都应按技术要求
Ｑｗｅｎ－７Ｂ－Ｇｒｏｕｔ 水率 小， 可 不 进
工程质量和灌浆的可靠性（正确） 灌浆， 这是为了保障工程质
行灌浆
量和灌浆的可靠性
错误， 灌浆段不论灌浆前透水率大小， 都应按技术要
Ｂａｉｃｈｕａｎ ２－７Ｂ－Ｇｒｏｕｔ
求灌浆， 以此保障工程质量和可靠性（正确）

表 ５ 填空题回答示例

模型类别 模型回答 问题 标准回答
压力水冲洗时的冲洗压力可为灌浆压力的 ８０％且不大
ＣｈａｔＧＬＭ ３－６Ｂ－Ｇｒｏｕｔ
于 １ ＭＰａ（正确）
压力 水冲洗 时 的
压力水冲洗时的冲洗压力可
压力水冲洗时的冲洗压力可为灌浆压力的 ８０％且不大 冲洗 压力可 为 灌
Ｑｗｅｎ－７Ｂ－Ｇｒｏｕｔ 为灌浆压力的 ８０％且不大于
于 １ ＭＰａ（正确） 浆压力的 ８０％ 且
１ ＭＰａ
不大于
压力水冲洗时的冲洗压力可为灌浆压力的 ８０％且不大
Ｂａｉｃｈｕａｎ ２－７Ｂ－Ｇｒｏｕｔ
于 １ ＭＰａ（正确）

在通用性方面， 本研究通过对比微调前后的模型在 Ｃ－Ｅｖａｌ 基准数据集上的评分变化以评估迁移
后模型在通用领域问答能力的变化程度， 表 ６ 显示了原模型基准评分。 模型在微调后， 测试评分相较
于基准模型均出现下降， 极少数任务评分小幅度提高。 ＣｈａｔＧＬＭ ３－６Ｂ－Ｇｒｏｕｔ、 Ｑｗｅｎ－７Ｂ－Ｇｒｏｕｔ 和 Ｂａｉ⁃
ｃｈｕａｎ ２－７Ｂ－Ｇｒｏｕｔ 模型下降程度基本维持在 ８％以内， Ｑｗｅｎ－７Ｂ－Ｇｒｏｕｔ 下降程度最小， 如图 １１ 所示。
微调后对模型的基本性能并未造成过大影响。 因此， 依据专业性测试和通用性评估的结果， 选定微调
后的 Ｑｗｅｎ－７Ｂ－Ｇｒｏｕｔ 作为本研究后续部署和测试的模型。
表 ６ 原模型 Ｃ－Ｅｖａｌ 基准评分

平均值 ＳＴＥＭ（科学、 技术、 工程和数学） 社会科学 人文科学 其他

ＣｈａｔＧＬＭ ３－６Ｂ－Ｂａｓｅ ６５．４５ ５８．６０ ７６．７３ ７１．６０ ６０．９４
Ｑｗｅｎ－７Ｂ－Ｂａｓｅ ６３．１５ ５９．９８ ７６．００ ６７．７０ ５７．８１
Ｂａｉｃｈｕａｎ ２－７Ｂ－Ｂａｓｅ ５６．４６ ５０．００ ６３．６４ ６３．４２ ５３．９１

— １ ３ ８ —