team-truthowl-model

DeepSeek-R1-Distill-Qwen-32B SFT Mixed Model

🎯 モデル概要

このモデルは、松尾研LLMコンペ2025で開発された推論モデル（reasoningモデル）です。DeepSeek-R1-Distill-Qwen-32Bを基盤として、事後学習（SFT）により推論能力を向上させています。

🏗️ 基盤モデル情報

• 基盤モデル: DeepSeek-R1-Distill-Qwen-32B
• アーキテクチャ: Dense Transformer
• パラメータ数: 32B
• ライセンス: MIT
• ベースURL: DeepSeek-R1-Distill-Qwen-32B

🚀 学習詳細

学習手法

• 学習タイプ: Supervised Fine-Tuning (SFT)
• 学習データ: 混合データセット
  • Math Hard: 50%
  • Math Mid: 30%
  • Science: 20%

学習設定

• 学習環境: H100 GPU (80GB) × 8基
• Tensor Parallel Size: 8
• 最大モデル長: 131,072 tokens
• GPU メモリ使用率: 85%
• データ型: bfloat16
• 最大完了トークン: 2000

🔧 推論設定

必須設定

• reasoning: true (推論過程の出力を有効化)
• max_completion_tokens: 2000
• trust_remote_code: true

推論環境

• vLLM: 最新版
• CUDA: 12.6
• cuDNN: 9.6.0
• NCCL: 2.24.3

📊 評価結果

評価ベンチマーク

• Humanity's Last Exam (HLE): 主要評価指標
• Do-Not-Answer: 安全性評価

評価設定

• 評価モデル: o3-mini-2025-01-31
• ワーカー数: 32
• 最大サンプル数: 50

🚨 重要な注意事項

推論時の必須要件

1. reasoning=true の設定が必須
2. thinkタグまたはreasoningタグの出力が必要
3. 運営提供の評価コードとの互換性を保つ

禁止事項

• 評価コードの改変は禁止
• 独自の評価プロンプト使用は禁止
• 外部APIやツールの使用は禁止

📁 ファイル構成

model/
├── config.json          # モデル設定
├── pytorch_model.bin    # モデル重み
├── tokenizer.json      # トークナイザー
└── README.md           # このファイル

🔍 使用方法

基本的な推論

from transformers import AutoModelForCausalLM, AutoTokenizer

# モデルとトークナイザーの読み込み
model = AutoModelForCausalLM.from_pretrained(
    "weblab-llm-competition-2025-bridge/truthowl-model1",
    trust_remote_code=True,
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(
    "weblab-llm-competition-2025-bridge/truthowl-model1",
    trust_remote_code=True
)

# 推論実行（reasoning有効）
prompt = "Please solve the problem. Include your reasoning process in your answer."
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(
    **inputs,
    max_new_tokens=2000,
    do_sample=True,
    temperature=0.7
)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)

vLLM使用時

python -m vllm.entrypoints.openai.api_server \
    --model weblab-llm-competition-2025-bridge/truthowl-model1 \
    --tensor-parallel-size 8 \
    --max-model-len 131072 \
    --gpu-memory-utilization 0.85 \
    --trust-remote-code \
    --dtype bfloat16

📋 コンペ情報

• コンペ名: 松尾研LLMコンペ2025
• チーム名: TruthOwl🦉
• 提出日: 2025年8月25日
• フェーズ: Phase1（予選）

🔗 関連リンク

• 評価コード: matsuolab/llm_bridge_prod/eval_hle
• Do-Not-Answer評価: matsuolab/llm_bridge_prod/eval_dna
• 実行スクリプト: eval_32b_sft_mixed_timestamped.sh

📞 サポート

技術的な質問や問題がございましたら、以下の方法でお問い合わせください：

• GitHub Issues: リポジトリのIssuesセクション
• チーム連絡先: コンペ運営を通じて

---

⚠️ 注意: このモデルは松尾研LLMコンペ2025用に開発されたものです。推論時は必ずreasoning=trueの設定でご利用ください。