qwen3-4b-structured-output-lora_0712_run_4-step150

qwen3-4b-structured-output-lora_0712_run_4 — step 150

このリポジトリにはLoRAアダプタのみが含まれています。 ベースモデル Qwen/Qwen3-4B-Instruct-2507 は別途読み込む必要があります。

学習目的

最良YAML LoRAをアンカーに、方向・教師出力長を層別化したJSON-targetとnative Text→TOMLを各約4%だけ追加する短いStage-2継続学習によって、YAMLを保持しながらJSON/TOMLを改善できるか。

このRunは、YAML-onlyで得られた強いLoRAを初期値にしたStage-2継続学習です。 初期アダプタは morizon/qwen3-4b-structured-output-lora_0710_run_1 です。新しいLoRAを重ねず、 同じLoRAパラメータへ小さな補正を加えています。

データ

YAML中心ベースデータ

• データセット: daichira/structeval-t-sft-hq-yaml-cleaned
• リビジョン: e73a755d3b50bd3ac38c99c1ede87ca9b3139cba
• 最終教師トークン比率: 92.0452%
• ライセンス: Apache-2.0

層別JSON-targetリプレイ

• 取得元: daichira/structured-5k-mix-sft
• リビジョン: 740e82f5bb5ae31c9b0f9c2fa15f78bbcaf3dbe2
• フィルター:
  • category: C_JSON
  • subcategories: ['csv_to_json', 'xml_to_json', 'toml_to_json', 'yaml_to_json', 'text_to_json']
  • direction weights: {'csv_to_json': 0.28, 'xml_to_json': 0.26, 'toml_to_json': 0.22, 'yaml_to_json': 0.2, 'text_to_json': 0.04}
• 選択行数: 51
• 選択時比率: 4.1137%
• 最終教師トークン比率: 3.9489%
• 方向別選択数: {'text_to_json': 14, 'toml_to_json': 8, 'yaml_to_json': 7, 'xml_to_json': 11, 'csv_to_json': 11}

native Text→TOMLリプレイ

• 取得元: daichira/structured-5k-mix-sft
• リビジョン: 740e82f5bb5ae31c9b0f9c2fa15f78bbcaf3dbe2
• 選択行数: 333
• 目標最終教師トークン比率: 4.0000%
• 実際の最終教師トークン比率: 4.0059%
• 由来: {'native_text_to_toml': 333}
• 長さ選択サイクル: ['short', 'short', 'short', 'short', 'medium', 'medium', 'long']

公開TOML問題と入力方向を揃えるため、変換で作ったYAML→TOMLではなく、 元データセットのnative Text→TOMLをそのまま使用しています。

追加データは次の条件を満たす例だけを使用しています。

• TOMLをtomllibで解析可能
• 説明文、コードフェンス、思考タグを含まない
• チャットテンプレート適用後の完全シーケンスが 2048トークン以内

追加データセットのライセンスはCC-BY-4.0です。

学習設定

• ベースモデル: Qwen/Qwen3-4B-Instruct-2507
• Stage-1初期アダプタ: morizon/qwen3-4b-structured-output-lora_0710_run_1
• 手法: Unslothを用いた4ビットQLoRA
• 最大シーケンス長: 2048
• 学習予算方式: steps
• 要求エポック数: None
• 実際の最終ステップ数: 300
• 実際の最終エポック: 2.0981
• ウォームアップ比率: 0.05
• 実際のウォームアップステップ数: 15
• 学習率: 3e-07
• スケジューラー: cosine
• 重み減衰: 0.05
• 実効バッチサイズ: 16
• LoRAランク: 64
• LoRAアルファ: 128
• 精度: BF16

評価データ方針

public_150.jsonは読み込まず、学習、追加データ構築、 チェックポイント選択、早期終了のいずれにも使用していません。

使用方法

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

base_model_id = "Qwen/Qwen3-4B-Instruct-2507"
adapter_id = "morizon/qwen3-4b-structured-output-lora_0712_run_4-step150"

tokenizer = AutoTokenizer.from_pretrained(
    base_model_id
)
base_model = AutoModelForCausalLM.from_pretrained(
    base_model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)
model = PeftModel.from_pretrained(
    base_model,
    adapter_id,
)

再現性

このリポジトリには、dataset_manifest.json、 training_summary.json、選択済みIDファイルが含まれます。 データセットの正確なリビジョン、シード、トークン統計、 方向・長さを層別化した追加データ選択結果、実際の最終ステップを確認できます。

利用条件

利用者は、ベースモデルおよび各データセットのライセンスと 利用条件を確認してください。

チェックポイント情報

• 学習ステップ: 150
• 実際の最終ステップ: 300
• 最終モデルか: いいえ
• 学習データ、データ分割、シード、学習率スケジュールは、 同じ実験内の他のチェックポイントと共通です。
• 公開150件は、学習、チェックポイント作成、 チェックポイント選択には使用していません。