Qwen9B

用户寻求增强 Qwen9B 的法律推理和函数调用能力

一位用户正在寻求关于如何将经过波兰法律数据持续预训练 (CPT) 的 Qwen9B 模型转变为能够进行推理和函数调用的功能性聊天助手。用户已完成三个 CPT 阶段，重点关注法律评论、立法和法院判决，并拥有各种其他数据源，包括问答论坛、学习材料和现有的 harness 对话。主要问题围绕最佳后续步骤，特别是是继续 CPT 还是转向监督微调 (SFT)，以及如何最好地利用可用数据进行推理和工具使用，同时考虑 SFT 和强化学习 (RL) 的作用。