matsuoken_LoRA

このリポジトリは、unsloth/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

• Base model: Qwen/Qwen3-4B-Instruct-2507
• Method: QLoRA (4-bit)
• Max sequence length: 512
• Epochs: 1
• Learning rate: 1e-06
• LoRA: r=64, alpha=128

使い方

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

base = "Qwen/Qwen3-4B-Instruct-2507"
adapter = "Mori-kamiyama/matsuoken_LoRA"

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

Sources & Terms (IMPORTANT)

学習データ: Mori-kamiyama/morikawa_mixed_3k

• daichira__structured-hard-sft-4k
• u-10bei__structured_data_with_cot_dataset_512
• daichira__structured-5k-mix-sft
• u-10bei__structured_data_with_cot_dataset_512_v5
• u-10bei__structured_data_with_cot_dataset_512_v4
• u-10bei__structured_data_with_cot_dataset
• u-10bei__structured_data_with_cot_dataset_v2
• u-10bei__structured_data_with_cot_dataset_512_v2
• daichira__structured-3k-mix-sft からYAMLとTOMLの問題を40%づつそれ以外を20%混合したデータセット

Dataset License: MIT License. This dataset is used and distributed under the terms of the MIT License. Compliance: Users must comply with the MIT license (including copyright notice) and the base model's original terms of use.