在 16GB GPU 上微调 Qwen3-1.7B，让模型回答不含字母 e

开发者在自有的 16GB GPU 上微调 Qwen3-1.7B，使其回答日常提示时不使用字母 e。由于模型按 token 而非字母处理文本，直接指令无效，200 条评测回答全部含 e；加入屏蔽 e 的 mask 后可用率仅 26%。作者随后用 SFT 和 RL 训练，以 GPT-6 Luna 对答案的连贯性与切题度打分（1-5 分，均需至少 4 分）作为奖励。