kevineen/Qwen3-4B-instruct-2507-exp04

04_KTO_baseline_sft_epoc3

このリポジトリは、Qwen/Qwen3-4B-Instruct-2507 をベースモデルとし、QLoRA (4-bit, Unsloth) を用いてファインチューニングされた LoRA アダプター を提供します。

【重要】本リポジトリには LoRA アダプターの重みのみが含まれています。ベースモデルは別途ロードする必要があります。

学習の目的

このアダプターは、構造化出力（JSON / YAML / XML / TOML / CSV）の精度向上を目的としてトレーニングされています。

学習時、損失（Loss）は最終的なアシスタントの出力にのみ適用され、中間的な推論プロセス（Chain-of-Thought）はマスクされています。

学習設定

ベースモデル: Qwen/Qwen3-4B-Instruct-2507 手法: QLoRA (4-bit) 最大シーケンス長: 1024 エポック数: 1 学習率: 5e-6 LoRA パラメータ: r=64, α=128

使い方

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch

base = "Qwen/Qwen3-4B-Instruct-2507"
adapter = "kevineen/Qwen3-4B-instruct-2507-exp04"

tokenizer = AutoTokenizer.from_pretrained(base)
model = AutoModelForCausalLM.from_pretrained(
    base,
    torch_dtype=torch.float16,
    device_map="auto",
)
model = PeftModel.from_pretrained(model, adapter)

ソースおよびライセンス（重要:必ず記載する事）

学習データ: u-10bei/dpo-dataset-qwen-cot

データセットライセンス: MIT License

本データセットは、MIT License ライセンスの条項に基づき、使用および再配布が可能です。

遵守事項: 利用者は、データセットの帰属表記（クレジット）に関する要件、およびベースモデルの元の利用規約の両方を遵守する必要があります。