Update README with training parameters (merged_16bit)

README.md

@@ -1,21 +1,64 @@
 ---
-base_model: unsloth/gpt-oss-20b-unsloth-bnb-4bit
-tags:
-- text-generation-inference
-- transformers
-- unsloth
-- gpt_oss
 license: apache-2.0
+base_model: unsloth/gpt-oss-20b
+tags:
+  - reinforcement-learning
+  - grpo
+  - 2048-game
+  - unsloth
+  - lora
 language:
-- en
+  - en
+pipeline_tag: text-generation
 ---
 
-# Uploaded finetuned  model
+# GPT-OSS 2048 Reinforcement Learning Model
+
+このモデルは、OpenAIのgpt-oss-20bを2048ゲームの戦略生成タスクで強化学習（GRPO）によりファインチューニングしたものです。
+
+## 📋 学習パラメータ
+
+| パラメータ | 値 |
+|-----------|-----|
+| ベースモデル | `unsloth/gpt-oss-20b` |
+| max_seq_length | 2048 |
+| lora_rank | 32 |
+| lora_alpha | 64 |
+| batch_size | 1 |
+| gradient_accumulation | 1 |
+| 実効バッチサイズ | 1 |
+| num_generations | 2 |
+| max_steps | 10 |
+| learning_rate | 5e-05 |
+| warmup_ratio | 0.1 |
+| 量子化 | 4bit |
+
+## 🎯 タスク
+
+2048ゲームのボード状態を入力として、最適な次の一手（W/A/S/D）を出力するPython関数を生成します。
+
+## 💾 保存形式
+
+- **形式**: merged_16bit
+- **生成日時**: 2025-12-25 20:03:07
+
+## 🚀 使用方法
+
+```python
+from unsloth import FastLanguageModel
+
+model, tokenizer = FastLanguageModel.from_pretrained(
+    model_name="MakiAi/gpt-oss-2048-rl-s10-r32-b1-16bit",
+    max_seq_length=2048,
+    load_in_4bit=True,
+)
+```
+
+## 📎 関連リンク
 
-- **Developed by:** MakiAi
-- **License:** apache-2.0
-- **Finetuned from model :** unsloth/gpt-oss-20b-unsloth-bnb-4bit
+- [Unsloth公式ドキュメント](https://docs.unsloth.ai/)
+- [gpt-oss-20b](https://huggingface.co/unsloth/gpt-oss-20b)
 
-This gpt_oss model was trained 2x faster with [Unsloth](https://github.com/unslothai/unsloth) and Huggingface's TRL library.
+## ⚠️ ライセンス
 
-[<img src="https://raw.githubusercontent.com/unslothai/unsloth/main/images/unsloth%20made%20with%20love.png" width="200"/>](https://github.com/unslothai/unsloth)
+Apache 2.0