雞掰風格調整

scorer分類器

---

LLM Tone-Transfer Benchmark (語氣轉換對照實驗框架)

這是一個專注於**「可控文本語氣轉換 (Controllable Tone Transfer)」**的自動化對照實驗專案。 本專案的目標是讓大型語言模型 (LLMs) 能精準控制回覆的「語氣等級」（從溫和有禮到高級酸民），並透過嚴謹的 LLM-as-a-Judge 機制進行自動評分與 重試 (Retry) 修正 邏輯。

---

專案結構導覽 (Repository Structure)

本專案包含多個開發階段的紀錄，核心運作邏輯集中於 Generator/ 目錄：

核心運作區 (Active Modules)

• Generator/：專案核心。 包含最新的多模型生成與自動評分框架。
  • main.py：實驗主程式，負責跑迴圈、觸發 Retry 機制並輸出 CSV 結果。
  • generators.py：統一封裝 Gemini 2.5 Flash, Breeze-7B, Llama-3-8B 的呼叫邏輯。
  • prompts.py：動態提示詞工程，支援規則 Prompt 與基於資料庫抽樣的 Data Prompt。
  • scorer.py：基於 GPT-4o-mini 的自動裁判，負責為產出句子進行 1~4 級評分。
  • utils.py：負責環境變數載入與通用工具函數。
• dataset/：實驗所需的資料集，嚴格區分用途以避免訓練/測試資料重疊。
  • dataset_scorer.jsonl：用於 Scorer (裁判) 學習標準的 Few-Shot 資料。
  • dataset_test.jsonl：Generator 生成測試專用的句子（與 Scorer 範例完全不重複）。
  • dataset1.jsonl：原始完整資料集。
• requirements.txt：專案執行所需的所有 Python 依賴套件。

開發中 / 原型區 (WIP / Prototypes)

• ji-bai-tuner/：網頁端原型 (Web UI)。基於 Flask 的互動介面，包含「雞掰度拉桿」。目前重心在後端 Benchmark，未來將與核心模組整合。

歷史紀錄 / 已荒廢 (Deprecated / Historical)

• chinese-roberta-wwm-ext/：早期嘗試使用小模型進行微調 (Fine-tuning) 的實驗紀錄。
• few-shot/：早期手動測試 Few-shot 分類的腳本。
• sentence/：紀錄 Generator 模組從無到有的開發草稿與演進過程。

---

1. 安裝環境與套件

建議使用 Python 3.10+ 環境。在終端機執行：

# 複製專案
git clone [https://github.com/uurspecial/flask-chat-mvp.git](https://github.com/uurspecial/flask-chat-mvp.git)
cd flask-chat-mvp

# 安裝套件
pip install -r requirements.txt

# 執行實驗主程式
python main.py