DTakai/sft4-allowed4k-1epoch-lora

This repository provides a LoRA adapter fine-tuned from Qwen/Qwen3-4B-Instruct-2507 using QLoRA (4-bit, Unsloth).

This repository contains LoRA adapter weights only. The base model must be loaded separately.

Training Objective

This adapter is trained to improve structured output accuracy for:

• JSON
• YAML
• XML
• TOML
• CSV

The training script applies loss to the final assistant output only. Intermediate reasoning (Chain-of-Thought) is masked.

Training Configuration

• Base model: Qwen/Qwen3-4B-Instruct-2507
• Method: QLoRA (4-bit) with Unsloth
• Max sequence length: 1536
• Epochs: 1 (250 steps for 4000 training samples)
• Learning rate: 1e-6
• LoRA: r=64, alpha=128, dropout=0

Training Data

This adapter was trained on a cleaned + deduplicated dataset built from the organizer-approved SFT datasets:

• u-10bei/structured_data_with_cot_dataset_512_v2
• u-10bei/structured_data_with_cot_dataset_512_v4
• u-10bei/structured_data_with_cot_dataset_512_v5
• u-10bei/structured_data_with_cot_dataset_512
• u-10bei/structured_data_with_cot_dataset_v2
• u-10bei/structured_data_with_cot_dataset
• daichira/structured-3k-mix-sft
• daichira/structured-5k-mix-sft
• daichira/structured-hard-sft-4k

The local build process validates that assistant outputs are parseable for their target format and removes exact duplicates.

Notes:

• Please refer to each dataset card for its license/terms.
• You must also comply with the base model's terms of use.

License

This repository contains LoRA adapter weights only.

• Base model license: Apache-2.0 (see: Qwen/Qwen3-4B-Instruct-2507)
• Training data licenses (per dataset cards):
  • daichira/*: CC-BY-4.0
  • u-10bei/*: MIT (please verify each dataset page)

Usage

Transformers + PEFT

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch

base_id = "Qwen/Qwen3-4B-Instruct-2507"
adapter_id = "DTakai/sft4-allowed4k-1epoch-lora"

tokenizer = AutoTokenizer.from_pretrained(base_id)
base = AutoModelForCausalLM.from_pretrained(
    base_id,
    torch_dtype=torch.float16,
    device_map="auto",
)

model = PeftModel.from_pretrained(base, adapter_id)

# Optional: merge LoRA into base weights
merged = model.merge_and_unload()

vLLM (Competition-style)

If you are following a notebook that merges the LoRA adapter and runs vLLM, you can point it at:

• Base: Qwen/Qwen3-4B-Instruct-2507
• Adapter: DTakai/sft4-allowed4k-1epoch-lora

Limitations

• Structured formats are still fragile, especially TOML generation.
• This adapter was trained for structured formatting, not for general open-ended chat.

---

日本語

このリポジトリは、Qwen/Qwen3-4B-Instruct-2507 をベースモデルとして、QLoRA (4-bit, Unsloth) を用いてファインチューニングした LoRA アダプタを提供します。

本リポジトリには LoRA アダプタの重みのみが含まれています。ベースモデルは別途ロードする必要があります。

学習の目的

このアダプタは、以下の構造化出力の精度向上を目的として学習されています。

• JSON
• YAML
• XML
• TOML
• CSV

学習スクリプトでは、損失（Loss）は最終的なアシスタント出力のみに適用されます。中間の推論（Chain-of-Thought）はマスクされています。

学習設定

• ベースモデル: Qwen/Qwen3-4B-Instruct-2507
• 手法: Unsloth を用いた QLoRA (4-bit)
• 最大シーケンス長: 1536
• エポック数: 1（学習サンプル 4000 に対して 250 steps）
• 学習率: 1e-6
• LoRA: r=64, alpha=128, dropout=0

学習データ

このアダプタは、主催者が許可した SFT データセット群から作成した「クリーニング済み + 重複排除済み」のデータを用いて学習されています。

• u-10bei/structured_data_with_cot_dataset_512_v2
• u-10bei/structured_data_with_cot_dataset_512_v4
• u-10bei/structured_data_with_cot_dataset_512_v5
• u-10bei/structured_data_with_cot_dataset_512
• u-10bei/structured_data_with_cot_dataset_v2
• u-10bei/structured_data_with_cot_dataset
• daichira/structured-3k-mix-sft
• daichira/structured-5k-mix-sft
• daichira/structured-hard-sft-4k

ローカルのビルド工程では、アシスタント出力がターゲット形式としてパース可能であることを検証し、完全一致の重複を除去します。

注意:

• 各データセットのライセンス/利用条件は、それぞれの Dataset Card を参照してください。
• ベースモデルの利用規約にも必ず従ってください。

ライセンス

本リポジトリには LoRA アダプタの重みのみが含まれます。

• ベースモデルのライセンス: Apache-2.0（Qwen/Qwen3-4B-Instruct-2507 を参照）
• 学習データのライセンス（各 Dataset Card に基づく）:
  • daichira/*: CC-BY-4.0
  • u-10bei/*: MIT（各データセットページで確認してください）

使い方

Transformers + PEFT

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch

base_id = "Qwen/Qwen3-4B-Instruct-2507"
adapter_id = "DTakai/sft4-allowed4k-1epoch-lora"

tokenizer = AutoTokenizer.from_pretrained(base_id)
base = AutoModelForCausalLM.from_pretrained(
    base_id,
    torch_dtype=torch.float16,
    device_map="auto",
)

model = PeftModel.from_pretrained(base, adapter_id)

# Optional: merge LoRA into base weights
merged = model.merge_and_unload()

vLLM（コンペの推論手順に近い形）

LoRA アダプタをマージして vLLM で推論するノートブック/スクリプトを使う場合は、以下を指定できます。

• Base: Qwen/Qwen3-4B-Instruct-2507
• Adapter: DTakai/sft4-allowed4k-1epoch-lora

制約 / 注意点

• 構造化フォーマットの生成は依然として壊れやすく、特に TOML は失敗しやすいです。
• 本アダプタは構造化フォーマットの出力を目的としており、一般的な雑談用途に最適化されていません。