本文介绍了LingualSpark AI故事生成模块的设计思路与进展。该模块旨在通过语境化方式帮助外语学习者掌握词汇，主要特点包括：按年龄段生成不同难度故事、融入用户词库词汇、支持多语言主题、虚构主角设计和流式输出等。文章详细阐述了从词库驱动到多阶段生成的实现路径，包括年龄段分级、兴趣偏好融入、可解释生成过程展示等技术亮点。目前已完成基础功能开发，但仍存在兜底故事质量、学习闭环等不足。未来计划增强

本文介绍了基于Qwen3-8B模型的儿童故事生成微调实验。研究采用4-bit QLoRA方法在单卡RTX 4090上对1600条训练数据进行微调，重点提升模型在词汇难度、关键词约束和叙事结构等条件下的生成能力。实验结果显示，微调后模型在ROUGE-L指标上提升21.1%，BLEU提升4.9%，生成长度缩短27.8%，更符合儿童故事特征。人工评测表明模型在任务贴合度和输出规范性方面有明显改进，但在严

本文记录了作者在微调Qwen3-8B-Think模型时的一个关键失误。作者仅使用Alpaca格式数据（instruction/input/output）进行训练，忽略了保留模型原有的思考推理过程，导致微调后模型虽然回答速度变快，但丧失了重要的链式推理(CoT)能力。文章详细分析了问题根源：训练数据只奖励最终答案而忽略推理过程，导致模型被对齐到"短答优先"模式。作者总结了Thin

本文提出了一种基于Qwen3-7B模型的微调方案，旨在融合故事生成与问答能力。方案采用LoRA适配器微调策略，在单卡RTX 3090/4090硬件条件下实现高效训练。通过整合TinyStories（叙事流畅性）、WritingPrompts（长故事生成）和FairytaleQA（阅读理解）三个数据集的特点，构建分阶段训练流程：首阶段建立基础叙事能力，次阶段增强复杂故事生成，最终融入问答理解能力。数