基于 KEV 框架微调的中文排队位置决策模型。输入现有队列和明确的插入规则，输出候选位置的概率分布及 positionN 选项。模型不生成自由文本，也不用于医疗诊断或判断患者病情紧急程度。 本仓库包含 LoRA 适配器和 KEV 决策指针头，不包含完整的基础模型权重。运行需要指定版本的基础模型、KEV 框架、分词器和推理代码；直接用通用文本生成管线加载适配器，无法复现本模型的决策输出。 公开网页是 确定性规则演示，不调用微调模型。本地版本通过服务端代理调用内网模型 API，并对照规则答案。网页后来新增的普通报到后移策略不属于本模型原有训练范围，不能用网页中的规则计算结果代表模型准确率。 原有患者的相对顺序保持不变。候选名称 position16 已表示 第 16 位，不要再加 1；模型置信度不是位置编号，也不是正确率保证。 call-system 的普通报到流程还会按排队号计算候选位置，跳过候选落点后连续的已调整患者，在第一个未调整患者之前停止。该流程与回诊、献血、家优的搜索算法不同，不能统一追加到所有策略中。 公开网页已增加这个规则的模拟场景，但 本模型尚未针对普通报到、调整状态、跨班次或加号规则重新训练。这些操作应由业务代码处理。网页保留源码 index < len(list)-1 的后移扫描边界，仅演示同班次普通号。 此次实际训练采用 多任务监督微调（SFT）和对称的候选排列一致性 KL 约束，没有进行 RL 或 RLCD。 建议在 Docker 中使用指定版本的 KEV 源码及兼容依赖。已验证部署采用 PyTorch 2.8.0、transformers…