# NeuroBait：微调AI助手，为ADHD大脑点燃多巴胺火花

- 来源：Hugging Face：Blog（RSS）
- 发布时间：2026-06-09 17:04
- AIHOT 分数：68
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.news/items/cmq6gskkl08acsl5i3wx4hdde
- 原文链接：https://huggingface.co/blog/build-small-hackathon/neurobait-adhd

## 精选理由

对ADHD群体来说，这是一次真正从需求出发的AI尝试。它不做计划列表，而是用一个温暖的动感火花打破僵局，让AI从理论走向陪伴。如果你或身边人容易'卡住'，可以试试这个Space。

## AI 摘要

NeuroBait是基于Google gemma-3-12b-it微调的AI对话助手，旨在帮助ADHD患者克服“知道该做什么但无法开始”的执行功能障碍。采用16-bit LoRA（r=16, alpha=16）在Unsloth上训练3个epoch，学习率2e-4，最大序列长度2048，使用单张H100 80GB GPU。数据集为基于真实ADHD场景手工合成的少量数据。部署于Hugging Face Space（ZeroGPU），使用Gradio和标准transformers+peft，运行时以4-bit NF4加载基础模型并应用LoRA适配器。NeuroBait不生成待办清单，而是根据用户上下文给出3-6句温暖流畅的回复，引导用户找到一件微小可立即执行的动作，从而激发多巴胺、降低启动阻力。

## 正文

一个 Backyard AI 项目。在家用小模型构建，带来大影响

什么是 ADHD？

ADHD（注意力缺陷/多动障碍）是一种常见的神经发育障碍，它影响大脑处理信息、调节注意力和控制冲动的方式。

一切始于我的妻子

我妻子患有 ADHD。我曾看着她站在一堆待洗衣物前，清楚知道该做什么，却依然无法开始。是卡住了，不是懒惰。对 ADHD 大脑来说，问题从来不是知道该做什么，而是从知道到开始之间的鸿沟。

大多数 ADHD AI 工具都搞错了这一点。它们专注于诊断和理论：测验、清单、整洁的待办事项列表。但对一个正陷入卡顿的人来说，待办清单只是多出来需要选择的东西，外加一个微弱的声音说"再努力一点"。正确，却完全没用。

于是我尝试了一些不同的做法。我把理论（执行功能障碍、任务启动瘫痪、兴趣驱动神经系统——可以说是 DSM 临床框架与《分心女王》的结合）拿去验证一个研究中很少有的东西：对我朝夕相处的人进行真实观察和实践。真正能让她解冻的是什么？不是计划。是火花。

NeuroBait 做了什么

NeuroBait 不会列待办清单。它会 点亮多巴胺，让"开始行动"变得有可能。

当你陷入停滞时，它会从你的对话中读取真正重要的东西——一个真实的截止日期、一个你在乎的人或事——然后用 3 到 6 句温暖自然的话语来回应（不用冷冰冰的标签，也不用一堵弹墙式的项目符号）：它理解你为什么卡住了，把你重新连接到你所热爱的东西上，并递给你 一个你现在就能做的小行动。"从那堆衣服的最上面拿一件下来。就一件。"

没有内疚。没有说教。你是主动行动的英雄，而不是病人。

技术栈

一个真实训练的模型，用了真实的预算：

基座：google/gemma-3-12b-it（稠密的 Gemma 3 12B，标准 Gemma3ForConditionalGeneration，因其能可靠地部署 transformers + peft 而被选中）

方法：通过 Unsloth 使用 16-bit LoRA，而非 QLoRA

LoRA：r=16、alpha=16、dropout=0

Epochs：3 | LR：2e-4 | Batch：1 x grad_accum 8 | 最大序列长度：2048

聊天模板：gemma-3、回复标记 <start_of_turn>user\n 和 <start_of_turn>model\n

save_strategy="no"以规避已知的 Unsloth/TRL 检查点 pickle bug

在 modal.com 上使用 H100 80GB GPU 训练

数据：规模小、人工精选、合成生成，源自真实的 ADHD 痛点，而非泛泛的效率套话。经验教训：对于语音而言，数据集质量胜过模型规模。

部署：在 ZeroGPU（zero-a10g）上的 Hugging Face Space，使用 Gradio + 标准 transformers + peft；基座模型以 4-bit bitsandbytes NF4 加载，并在运行时应用 LoRA 适配器。运行时不使用 Unsloth，也没有 GGUF 部署路径。

默认模型 vs. 微调模型

基座模型并不笨，它是有能力的。但开箱即用时，它仍会给你写一份待办清单，只不过是一份听起来更有共情心的待办清单：加粗标题、项目符号、泄露的标签、冗长的段落。对于一个"僵冻的大脑"来说，这堵"帮助"之墙本身就让人不堪重负。

这次微调在本质上表现出了不同的行为。它摒弃了那种结构，用温暖流畅的散文式语言说话。回复变短了。它先询问、再做假设。它会把你的上下文回扣给你，让回复感觉是写给你的，而不是写给一个笼统的"不堪重负的用户"。它学到的是语气，而不是台词。

不只适用于 ADHD

令我惊讶的是：这不仅仅是一个 ADHD 工具。

如今我们所有人都会撞上那堵墙：刷到大脑成一团浆糊，被臃肿的信息流淹没，连最简单的事情都无从下手。NeuroBait 的设计本身就是温暖的。对于任何在不堪重负中溺水的人来说，它都能起到多巴胺放松的作用，是一种温柔的、人性化的轻推，把你推回到一件小小的、可行的事情上。只不过 ADHD 的大脑最需要它。

未来的方向

它始于我家后院，只为了一个人。我们希望把它扩展到每一位 ADHD 患者，以及每一个曾感到卡住的人。

接下来：开放权重和完整流水线，支持双语文言（印尼语和英语），最重要的是，要与社区一起共建，而不是替社区构建。ADHD 工具长期以来一直由没有 ADHD 的人设计。真实的场景、真实的反应、真实的反馈，才是这个项目的核心。

如果你有 ADHD，或者你爱的人有，又或者只是经常感到不堪重负，欢迎来试用并告诉我哪里让你觉得烦。这些反馈才是全部意义所在。🧠⚡