5 promptova iz joint_v0.43/valid (function-calling/agentic), sa
benchmark/system_spec_bs.txt:
5/5 kanonskih <tool_call><function=...> poziva.
Primjeri izlaza (skraćeno): service_status, disk_usage, process_list,
network_status, port_check, package_install — tačan XML dijalekt iz
configs/tools.yaml, na bosanskom.
Puni probe: format_probe.json
Artefakti
Table with columns: Repo, Sadržaj| Repo | Sadržaj |
|---|
renatoschust/agentmujo-qwen3.5-9b-bos-lora | ovaj repo — LoRA adapter (+ full embed_tokens, ~2,56 GB) |
renatoschust/agentmujo-qwen3.5-9b-bos | merged bf16 težine (6 shardova, ~18 GB) |
renatoschust/agentmujo-qwen3.5-9b-lumi-data | tačan podskup, valid uzorak, metrics, manifest, slurm logovi, skripte |
Upotreba
from transformers import AutoModelForImageTextToText, AutoTokenizerfrom peft import PeftModel base = AutoModelForImageTextToText.from_pretrained("Qwen/Qwen3.5-9B", torch_dtype="bfloat16")model = PeftModel.from_pretrained(base, "renatoschust/agentmujo-qwen3.5-9b-bos-lora").to("cuda")tok = AutoTokenizer.from_pretrained("renatoschust/agentmujo-qwen3.5-9b-bos-lora")
Ograničenja / sljedeći koraci
- 200 koraka je ~0,1 epohe (32.660 uzoraka); loss još pada. Sljedeće: duži run (600–1.500 koraka) ili nastavak sa ovog adaptera, pa DPO.
- Format je stabilan na probe-u, ali nije urađen pun AgentMujo-Bench gate (48 slučajeva).
- GGUF Q8 za deployment nije u ovom releaseu (sljedeći korak:
convert_hf_to_gguf.py --no-mtp + llama-quantize Q8_0).