Entraînement
Full fine-tuning (TRL SFTTrainer), format ChatML, loss sur la réponse assistant uniquement
(assistant_only_loss + balises {% generation %}), liger-kernel, packing, bf16, attention SDPA.
1 epoch, lr 5e-6 cosine, seq_len 4096. Données :
allenai/tulu-3-sft-mixture (180k).
Résultats (lm-eval, backend vLLM)
Table with columns: étape, IFEval (prompt strict), GSM8K (flexible), MMLU| étape | IFEval (prompt strict) | GSM8K (flexible) | MMLU |
|---|
| base Qwen2.5-7B | 27.4 | 83.0 | 71.8 |
| + SFT (ce modèle) | 44.9 | 77.5 | 69.1 |
| + DPO | 44.7 | 77.1 | 69.9 |
| + RLVR | 45.1 | 77.4 | 69.9 |
C'est le SFT qui apporte l'essentiel du gain en suivi d'instructions (IFEval 27→45). Détails et analyse :
dépôt GitHub.
Usage
Format ChatML, via tokenizer.apply_chat_template. Voir l'exemple sur le
modèle final.