# TeenEmo 学習スクリプト

LFM2-1.2B を TeenEmo データセットで SFT → DPO の順に学習するスクリプト群。

## ファイル構成

| ファイル | 役割 |
|---------|------|
| `train_config.py` | 全設定値（環境変数で上書き可能） |
| `train_utils.py` | 共通ユーティリティ（ログ・データ読み込み） |
| `train_sft.py` | SFT（教師あり微調整）学習スクリプト |
| `train_dpo.py` | DPO（直接選好最適化）学習スクリプト |

## セットアップ

```bash
pip install unsloth trl datasets transformers
```

## 実行手順

### 1. 環境変数の設定

```bash
export HF_TOKEN="hf_xxxx"
export HF_USERNAME="YUGOROU"
```

### 2. SFT 学習

```bash
python train_sft.py
```

完了すると以下が生成されます：
- `./outputs/sft/lora/` — LoRA アダプタ
- `./outputs/sft/gguf/` — GGUF ファイル（q4_k_m）
- HF Hub: `YUGOROU/TeenEmo-LFM2-1.2B-SFT`

### 3. DPO 学習

```bash
python train_dpo.py
```

完了すると以下が生成されます：
- `./outputs/dpo/lora/` — LoRA アダプタ
- `./outputs/dpo/gguf/` — GGUF ファイル（q4_k_m）
- HF Hub: `YUGOROU/TeenEmo-LFM2-1.2B-DPO`
- HF Hub: `YUGOROU/TeenEmo-LFM2-1.2B-GGUF`

## 設定のカスタマイズ

`train_config.py` の値は全て環境変数で上書き可能：

```bash
# エポック数を変更
SFT_EPOCHS=2 python train_sft.py

# バッチサイズを変更（OOM 対策）
SFT_BATCH_SIZE=4 SFT_GRAD_ACCUM=8 python train_sft.py

# DPO beta を変更
DPO_BETA=0.05 python train_dpo.py

# GGUF 保存をスキップ
SAVE_GGUF=false python train_dpo.py
```

## ログ

学習ログは `./outputs/sft/logs/` および `./outputs/dpo/logs/` に保存されます。
詳細なエラートレースも含まれます。

## デフォルト設定値

### SFT
- ベースモデル: `liquidai/LFM2-1.2B`
- データセット: `YUGOROU/teememo-sft-validation`
- エポック: 3
- バッチサイズ: 8 × 勾配累積 4（実効バッチ 32）
- 学習率: 2e-4（cosine スケジューラ）
- LoRA rank: 32, alpha: 64

### DPO
- ベースモデル: SFT 済みアダプタ
- データセット: `YUGOROU/teememo-pref-data`
- エポック: 2
- バッチサイズ: 4 × 勾配累積 8（実効バッチ 32）
- 学習率: 5e-5
- beta: 0.1