NeuroBait：微调模型激发ADHD大脑多巴胺

一位开发者为了帮助患有ADHD（注意缺陷与多动障碍）的妻子克服“任务启动瘫痪”，亲手微调了一个名为NeuroBait的AI模型。这个项目不生成待办清单，而是通过3到6句温暖流畅的句子，像“从衣服堆里抽出一件衬衫，就一件”这样的小提示，来激发多巴胺，让“开始行动”变得可能。该项目已在Hugging Face上开源，引发了关于AI如何更人性化地解决执行力障碍的讨论。 这个项目的起点非常个人化。开发者的妻子患有ADHD，他观察到，对于ADHD大脑来说，问题从来不是“不知道做什么”，而是“知道该做什么，但就是无法开始”——就像站在一堆待洗衣物前，大脑陷入“冻结”状态。他认为，市面上大多数ADHD工具都搞错了方向，它们提供诊断、测验和整齐的待办清单，但这对于已经处于“冻结”状态的人来说，只是增加了更多需要选择的任务，甚至带来“你不够努力”的隐性指责。因此，NeuroBait的核心理念不是提供计划，而是提供“火花”。它通过分析用户的对话，找到真正重要的事情（如一个真实的截止日期或关心的人），然后用一种非临床、非说教的口吻，将用户与某个热爱的事物重新连接，并给出一个微小到不可能失败的行动指令。这种“温暖设计”不仅适用于ADHD患者，对于任何因信息过载而感到不知所措、陷入“刷手机瘫痪”的普通人同样有效。 从技术实现上看，NeuroBait也是一个在有限预算下进行高效微调的范例。它基于谷歌的gemma-3-12b-it模型，使用16位LoRA（低秩适应）方法在单块H100 GPU上训练了3个epoch。开发者特别强调，对于塑造模型“声音”而言，精心策划的小型数据集质量远胜于模型大小。最终部署在Hugging Face的ZeroGPU空间上，运行时将基础模型加载为4位量化，并应用LoRA适配器。与基础模型相比，微调后的NeuroBait彻底抛弃了加粗标题、项目符号和长段落等传统“帮助”形式，转而使用温暖、流畅的散文式语言，让回复感觉像是专门为当前用户而写。这个项目的下一步计划是开源完整权重和训练流程，并支持印尼语和英语双语，旨在将这种“多巴胺放松”体验带给更多感到“卡住”的人。