初始化项目，由ModelHub XC社区提供模型

Model: SumiYama/dpo-qwen-cot-merged
Source: Original Platform

README.md

@@ -0,0 +1,32 @@
+---
+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