GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
morizon
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Model Details
Model Provider
morizon
Model Tree
Qwen/Qwen3-4B-Instruct-2507
Input Modalities
Output Modalities
Supported Functionality
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。
daichira/structeval-t-sft-hq-yaml-cleanede73a755d3b50bd3ac38c99c1ede87ca9b3139cbadaichira/structured-5k-mix-sft740e82f5bb5ae31c9b0f9c2fa15f78bbcaf3dbe2C_JSONcsv_to_jsontransform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。
Qwen/Qwen3-4B-Instruct-2507epochsratiopublic_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。
python
import torchfrom transformers import AutoModelForCausalLM, AutoTokenizerfrom peft import PeftModel base_model_id = "Qwen/Qwen3-4B-Instruct-2507"adapter_id = "morizon/qwen3-4b-structured-output-lora_0710_run_3-step620" 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)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。
利用者は、次の条件を遵守する必要があります。
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import torchfrom transformers import AutoModelForCausalLM, AutoTokenizerfrom peft import PeftModel base_model_id = "Qwen/Qwen3-4B-Instruct-2507"adapter_id = "morizon/qwen3-4b-structured-output-lora_0710_run_3-step620" 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)