qwen3-4b-structured-output-lora_0710_run_2

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

このアダプタは、構造化出力の生成を目的として学習されています。

Run 2では、対象を絞った直接出力型のCSV→JSONリプレイによって、既存のYAML学習分布から 得られた長いコンテキストでのTOML／XMLの改善を維持しながら、CSV→JSONの性能を 回復できるかを検証します。

損失は最後のassistant応答のみに適用されます。MASK_COT=0 であるため、この実験では、 出力マーカー以降で中間推論がマスクされたとは主張しません。

データ

ベースデータセット

• データセット: daichira/structeval-t-sft-hq-yaml-cleaned
• リビジョン: e73a755d3b50bd3ac38c99c1ede87ca9b3139cba
• 役割: 既存のYAML構造化出力学習分布
• データセットライセンス: Apache-2.0

対象を絞ったリプレイデータセット

• データセット: daichira/structured-5k-mix-sft
• リビジョン: 740e82f5bb5ae31c9b0f9c2fa15f78bbcaf3dbe2
• フィルター:
  • category: C_JSON
  • subcategory: csv_to_json
  • task: transform
• 選択されたリプレイ行数: 79
• 実際の混合データに占める教師ありトークンの割合: 10.0380%
• データセットライセンス: CC-BY-4.0

リプレイの教師出力は、直接出力された有効なJSONであることを必須とし、 チャットテンプレート適用後の完全なシーケンスが2,048トークン以内に収まることも求めました。

学習設定

• ベースモデル: Qwen/Qwen3-4B-Instruct-2507
• 手法: Unslothを用いた4ビットQLoRA
• 最大シーケンス長: 2048
• オプティマイザーステップ: 595
• ウォームアップステップ: 60
• 学習率: 1e-06
• 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、リプレイ構築、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。最終的な外部評価専用として確保しています。

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_0710_run_2"

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 と、選択された分割IDファイルが含まれます。 これらには、データセットのリビジョン、シード、トークン統計、リプレイ選択、 固定されたオプティマイザーの軌跡が記録されています。

利用条件

利用者は、次の条件を遵守する必要があります。

• ベースモデルのライセンスと利用条件
• daichira/structeval-t-sft-hq-yaml-cleaned のApache-2.0の条件
• daichira/structured-5k-mix-sft のCC-BY-4.0の帰属表示条件