研究團隊開源 Industrial-Instruction 框架與資料集，以 Panasonic 技術文件生成工業 QA，實測 Claude 生成品質較佳但成本高百倍

研究團隊發布並開源 Industrial-Instruction 端到端框架，旨在從工業技術報告中建構指令微調與基準評測資料集。該專案處理 906 份（共 7,525 頁）公開的 Panasonic 文件，透過版面感知擷取與語意檢索索引，合成基於檢索證據的選擇題問答。 團隊使用相同流程產出兩套資料集以進行對比：一套由開源權重的 Qwen3-30B-A3B-Instruct 生成，另一套由閉源 API Claude-Opus-4.6 生成。在過濾初始的 2.39 萬筆樣本後，各提供約 1.36 萬筆問答。實測顯示，Claude-Opus-4.6 產出的原始資料更乾淨（僅 0.5% 被過濾，Qwen 為 43%），但 API 成本約 330 美元，遠高於 Qwen 本地運算的 3.2 美元。 在微調 Qwen3-4B 模型的表現上，使用 Qwen 生成資料使 Set-Match 準確率從 28.5% 提升至 42.0%；使用 Claude 生成資料則從 40.9% 提升至 56.4%。MMLU 評測指出，經 Claude 資料訓練的模型基本保留了通用知識（72.13 降至 72.08），而 Qwen 資料訓練的模型則出現微小的遺忘效應（降至 70.87）。 目前包含兩套資料集、微調後的模型、FAISS 索引及完整生成程式碼均已公開釋出。