base_model, language, license, library_name, pipeline_tag, tags
| base_model | language | license | library_name | pipeline_tag | tags | |||||
|---|---|---|---|---|---|---|---|---|---|---|
| Qwen/Qwen3-4B-Instruct-2507 |
|
apache-2.0 | transformers | text-generation |
|
qwen3-4b-structeval-sft-v4-lr2e5-merged
SFT LoRA adapter (sonodd/qwen3-4b-structeval-sft-v4-lr2e5) をベースモデル (Qwen/Qwen3-4B-Instruct-2507) にマージしたフルモデルです。
用途
DPO ノートブックの DPO_BASE_MODEL に指定して SFT → DPO パイプライン を実行するために使用します。
# DPO ノートブック cell-10
os.environ["DPO_BASE_MODEL"] = "sonodd/qwen3-4b-structeval-sft-v4-lr2e5-merged"
os.environ["DPO_SFT_ADAPTER_ID"] = "" # マージ済みなので空
構成
- Base model: Qwen/Qwen3-4B-Instruct-2507
- SFT adapter: sonodd/qwen3-4b-structeval-sft-v4-lr2e5
- Merge method: merge_and_unload() (float16)