该框图展示了《计算机工程与应用》2026年论文《无监督数据驱动的垂直领域大模型微调数据集生成框架》的核心机制——GEO反馈闭环。A部分呈现了从无标注领域语料到高质量SFT数据的完整流程：首先输入领域原始文本（如低碳能源领域），由生成器（Generator）生成问题与候选答案，接着交由评估器（Evaluator）审查专业性与一致性并发现薄弱样本，再由优化器（Optimizer）修正低质量问答并调整生成约束，最后输出清洗后的问答对形成训练数据集。图中用虚线标出了“低质量问答重新迭代优化”的反馈回路。B部分说明了原论文的模型训练与评价：使用Qwen2.5-7B、Baichuan2-7B等模型，通过LoRA进行领域微调，评估文本生成与语义一致性，目标是增强领域适应并保持通用能力。C部分指出了可借鉴与不可照搬的内容：可借鉴“生成→评估→改进”的循环；不能照搬的是原论文没有病斑掩膜、区域定位或视觉梯度；并提出了新问题：“图片生成质量好”是否等于“训练收益高”？内容适合大模型数据工程师、垂直领域AI应用开发者、自然语言处理方向的研究生以及关注无监督数据生成与微调策略的研究人员阅读参考。