人一次只看一个数字
solve.md中记录的人的解法是这样的。读取盘面,选一个数字。把已经有这个数字的行、列、宫划掉,就会出现只剩一个位置的宫或线。那个格子100%就是答案。填上之后再重新读取盘面。
所以我们把交给VLM的工作缩减成了两项。
- 读取盘面:原样读出81个格子的数字。
- 确定一个数字,写出所有不能填这个数字的格子。
我们不问哪个格子是正确答案。划掉不能填的格子后剩下的位置是否只有一个,由代码来数。

训练前的8B
模型换成了Qwen3-VL-8B-Instruct。在不加LoRA的情况下做了20道题,坐标100%答对,但81个格子全部读对的盘面只有20%(按格子计为83%)。不能填数字1的格子按格子计答对了91%,但一个不漏地全部答对的盘面一个也没有。
分阶段训练
两项工作分别进行训练。每个周期都进行测试,加上答错的题再重新训练。
- 读取盘面:2B从17.5%经过4个周期达到100%,8B从25.2%经过2个周期达到100%。
- 不能填数字1的格子:2B在9个周期中提高到69.5%,8B在15个周期时提高到97.6%。按格子计为99.98%。
与第2篇不同,这次越训练越提高。因为这是正确答案的依据就在盘面之内的工作。

这一步的实际代码
这是给VLM的提示词。让它确定一个数字,只写出不能填的格子。
vlm_prompt.py
def build_digit_illegal_prompt(
board: list[list[int]],
given_mask: list[list[bool]],
digit: int,
*,
retry_hints: list[str] | None = None,
) -> str:
"""digit 의 비합법수(둘 수 없는 모든 칸) 나열."""
board_txt = board_to_text(board, given_mask)
placed = sum(1 for r in range(9) for c in range(9) if board[r][c] == digit)
prompt = (
"You are solving Sudoku like a human (solve.md digit tracking).\n"
f"{_COORD_HEADER}"
f"{_HUMAN_RULES}"
"The board has been read. Now track ONE digit on the number pad.\n"
f"TARGET DIGIT: {digit} (already placed {placed} times on the board).\n\n"
f"Task: list EVERY cell where digit {digit} CANNOT be placed.\n"
"A cell is ILLEGAL for this digit if:\n"
f"- it is filled with a digit other than {digit}, OR\n"
f"- it is EMPTY but its row, column, or 3×3 box already contains {digit}.\n"
f"Do NOT list cells that already contain {digit} — those are legal placements.\n"
"You MUST include ALL illegal cells. Do not omit any.\n"
"Use compact JSON (no spaces) to fit all cells.\n\n"
f"Text grid:\n{board_txt}\n\n"
f'Return ONLY JSON: {{"digit":{digit},"illegal":[[row,col],...]}}\n'
f'Example: {{"digit":{digit},"illegal":[[0,3],[1,5],[2,8]]}}\n'
)
return _append_retry_hints(prompt, retry_hints)这是生成训练用正确答案的函数。只根据行、列、宫中是否已经有该数字来确定。
vlm_board.py
def illegal_cells_for_digit(
board: list[list[int]], digit: int
) -> list[tuple[int, int]]:
"""digit 을 둘 수 없는 모든 칸 (이미 digit 인 칸은 제외)."""
from sudoku_human_solver import cell_candidates
out: list[tuple[int, int]] = []
for row in range(9):
for col in range(9):
v = board[row][col]
if v == digit:
continue
if v != 0:
out.append((row, col))
continue
if digit not in cell_candidates(board, row, col):
out.append((row, col))
return out下一篇是“4. 训练前后的解法对比”。
COMMENTS · CHAPTER 03
把人的解法变成规则 评论 0
还没有评论。阅读时有疑问或想补充的内容,欢迎留言。
发表评论前,请用 Google 开始并登记昵称和邮箱。
用 Google 开始