33 lines
742 B
Markdown
33 lines
742 B
Markdown
|
---
|
||
|
|
license: apache-2.0
|
||
|
|
base_model: Qwen/Qwen3-4B-Instruct-2507
|
||
|
|
tags:
|
||
|
|
- agent
|
||
|
|
- sql
|
||
|
|
- alfworld
|
||
|
|
- agentbench
|
||
|
|
---
|
||
|
|
|
||
|
|
# AgentBench SFT Model
|
||
|
|
|
||
|
|
## モデル概要
|
||
|
|
- **ベースモデル**: Qwen/Qwen3-4B-Instruct-2507
|
||
|
|
- **学習手法**: LoRA SFT → マージ
|
||
|
|
- **LoRA設定**: r=16, alpha=32
|
||
|
|
- **対象タスク**: DB_Bench (SQL), ALFWorld (家事タスク)
|
||
|
|
|
||
|
|
## 推論方法 (vLLM)
|
||
|
|
```bash
|
||
|
|
docker run --runtime nvidia --gpus all \
|
||
|
|
--ipc=host \
|
||
|
|
vllm/vllm-openai:0.13.0 \
|
||
|
|
--model SumiYama/dpo-qwen-cot-merged \
|
||
|
|
--max-model-len 8192 \
|
||
|
|
--gpu-memory-utilization 0.95
|
||
|
|
```
|
||
|
|
|
||
|
|
## 学習データ
|
||
|
|
- DB_Bench形式の合成SQLエージェント対話
|
||
|
|
- ALFWorld形式の合成家事タスク対話
|
||
|
|
- AgentBenchのデータは使用していません
|