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。
このRunの実験上の問いは、マニフェストに記録された次の内容です。
対象を絞ったクリーンで長いCSV→JSONリプレイによって、コンテキスト長2048での TOML／XMLの改善を維持しながら、コンパクトなCSV→JSONの性能を回復できるか。
この学習パイプラインは、2026-07-10 Run 2で導入したデータ監査、リプレイ選択、
再現性マニフェスト、公開評価データ分離の設計を継承しています。
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、マニフェストに記録された
最大シーケンス長の範囲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
- 学習予算方式:
epochs
- 要求エポック数: 5.0
- 実際の最終ステップ数: 620
- 実際の最終エポック: 5.0000
- ウォームアップ方式:
ratio
- ウォームアップ比率: 0.1
- 実際のウォームアップステップ数: 62
- 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
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_3-step400"
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、要求した学習方針、実際の最終ステップ数が
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
チェックポイント情報
- 学習ステップ: 400
- 実際の最終ステップ: 620
- 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。
