---
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