Qwen3-14B LoRA 微调 fact/opinion 二分类平台（Mac Mini M4 私产品系统

针对财经舆情与内容审核场景，构建事实/观点（fact/opinion）二分类模型。基于 Qwen3-14B 基座模型，采用 4bit 量化加载，通过 LoRA 低秩适配进行参数高效微调，在自建标注数据集上达到 99.7% 分类准确率。服务于新闻资讯、研报、社交媒体等文本内容的自动标注与风险识别流程。

本项目是完整的 LLM 微调与私有化部署系统。核心功能包括：1）基于 Qwen3-14B 的 LoRA 微调训练管线，支持 4bit 量化、指令数据构造与评估；2）fact/opinion 二分类推理接口，基于 vLLM 高效推理引擎；3）FastAPI 封装的 RESTful API 服务，提供单条与批量文本分类；4）RAG 检索增强问答，支持私有知识库向量化与检索召回；5）4 节点 Mac Mini M4 集群私有化部署，支持模型多副本与负载均衡，保障数据不出内网。

我负责整体架构设计与核心实现：使用 HuggingFace Transformers + PEFT 完成 LoRA 微调，Qwen3-14B 以 4bit 量化加载降低显存占用；推理侧采用 vLLM 部署并封装 FastAPI 接口，实现高并发文本分类；RAG 模块使用向量数据库构建知识库检索链路；部署侧基于 Docker 容器编排，在 4 节点 Mac Mini M4 集群上完成私有化交付。