language, base_model, base_model_relation, pipeline_tag, library_name, tags, datasets
| language | base_model | base_model_relation | pipeline_tag | library_name | tags | datasets | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
|
finetune | text-generation | transformers |
|
|
matutake
matutake は、summerMC/Sakura をベースに、summerMC/v-Fable を用いて Supervised Fine-Tuning (SFT) した、日本語寄りの Fable系対話・推論モデル です。
このモデルは、coding専用モデルではなく、会話・説明・推論・ロールプレイ・長めの応答生成 などを含む、Fable系のスタイルと応答傾向をSakura上で再現・適応することを目的に調整しています。
1. Model Overview
概要
- Model name:
summerMC/matutake - Base model:
summerMC/Sakura - Training type: Full fine-tuning / SFT
- Primary dataset:
summerMC/v-Fable
主な目的
- 日本語での自然な会話応答
- Fable系の応答スタイルへの適応
- 長めの説明・推論応答の強化
- instruction following の改善
- 対話形式での安定した文章生成
matutake は、Fable系トレースデータをもとに、対話の流れを保ちながら自然に返答する能力、ある程度まとまった推論や説明を返す能力、ロールや文脈に沿った返答を行う能力 を強めることを目的としています。
2. Intended Use
想定ユースケース
このモデルは、以下のような 一般的な対話・生成タスク を想定しています。
Chat / Conversation
- 日本語での雑談・対話
- 指示に従った応答生成
- 長めの会話文・返答文の生成
- キャラクターや口調を意識した会話
Reasoning / Explanation
- 質問に対する段階的な説明
- 要点整理
- 比較・整理・要約
- ある程度長い推論を伴う返答
Creative / Roleplay style generation
- Fable系の会話スタイル再現
- ロールプレイ風の返答
- 雰囲気重視の会話生成
- ストーリー寄りの応答や表現
General instruction following
- 日本語プロンプトに対する自然な応答
- 情報整理
- 文章生成
- 口調や形式を指定した出力
3. Training Data
本モデルは主に以下のデータセットで学習されています。
Dataset
summerMC/v-Fable
v-Fable は Fable系トレースをもとにした対話・推論・スタイル応答を含むデータセットであり、会話の流れ、応答形式、説明調の返答、Fable系の雰囲気を持つ出力を学習するために使用しています。
学習時には主に context -> completion 形式を用い、与えられた文脈に対する応答全体をSFTしています。
主な特徴
- 対話形式の応答
- reasoning / explanation を含む返答
- Fable系のスタイルや雰囲気を持つ出力
- instruction-following と会話継続の両方を含む構成
4. Training Method
Fine-tuning
-
方式: Supervised Fine-Tuning (SFT)
-
学習対象: base model の全パラメータ（full fine-tune）
-
目的:
- Fable系の応答傾向への適応
- 会話の自然さの改善
- 長めの返答や説明の安定化
- 日本語での instruction following の向上
学習方針
本モデルでは、単純な短文応答よりも、以下のような性質を重視しています。
- 文脈を踏まえて返答する
- 長めの説明や会話を破綻しにくくする
- Fable系の話し方・返答傾向を反映する
- 日本語での自然な対話を強化する
5. Prompting / Chat Format
このモデルは chat形式 の入力を想定しています。
ベースモデル Sakura のテンプレートに依存するため、基本的には tokenizer.apply_chat_template(...) を使うことを推奨します。
Transformers example
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
model_id = "summerMC/matutake"
tokenizer = AutoTokenizer.from_pretrained(
model_id,
trust_remote_code=True,
)
model = AutoModelForCausalLM.from_pretrained(
model_id,
trust_remote_code=True,
torch_dtype=torch.bfloat16,
device_map="auto",
)
messages = [
{
"role": "system",
"content": "You are matutake, a helpful Japanese conversational assistant."
},
{
"role": "user",
"content": "最近ちょっと疲れてるんだけど、少し気分が軽くなるように話して。"
}
]
text = tokenizer.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True,
)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
with torch.no_grad():
outputs = model.generate(
**inputs,
max_new_tokens=512,
do_sample=True,
temperature=0.7,
top_p=0.9,
repetition_penalty=1.05,
)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True))
6. Recommended Generation Settings
用途が会話・説明・Fable系の返答寄りなので、まずは以下を推奨します。
会話向け
max_new_tokens = 512
do_sample = True
temperature = 0.7
top_p = 0.9
repetition_penalty = 1.05
少し安定寄りにする場合
max_new_tokens = 512
do_sample = True
temperature = 0.5
top_p = 0.9
repetition_penalty = 1.05
長めの応答を書かせる場合
max_new_tokens = 1024
temperature = 0.7
top_p = 0.95
7. Example Prompts
日常会話
最近ちょっと気分が落ちてるから、少し優しく話してほしい。今日あったことを聞いてほしい。
説明・整理
量子コンピュータって何か、中学生にもわかるように説明して。この文章を3行で要約して。
ロールプレイ / 雰囲気重視
落ち着いた口調で、夜に話しかけるような感じで返して。少し物語っぽい雰囲気で励まして。
推論・長文応答
A案とB案のメリット・デメリットを比較して整理して。この悩みに対して、考え方を段階的に整理してほしい。
8. Limitations
このモデルは研究・実験用途です。以下の制約があります。
- 事実性は保証されません
- 説明がもっともらしくても誤っている場合があります
- 長い応答では一貫性が崩れることがあります
- Fable系のスタイルに寄ることで、必要以上に感情的・演出的な返答になる場合があります
- chain-of-thought風の出力や冗長な説明が出ることがあります
重要な判断に使う場合は、必ず人間が内容を確認してください。
9. Safety / Responsible Use
以下の用途には適しません。
- 医療・法務・金融など高リスク分野の最終判断
- 人の状態に関する重大な判断の自動化
- 真偽確認なしでの事実情報の利用
- セーフティ確認なしの本番自動応答
モデルの出力は参考情報として扱い、必要に応じて別ソースで確認してください。
10. License
Important
このモデルの利用条件は、ベースモデル summerMC/Sakura のライセンス および 学習データ summerMC/v-Fable のライセンス に依存します。
利用前に必ずそれぞれの配布ページを確認してください。
- Base model:
summerMC/Sakura - Dataset:
summerMC/v-Fable
特に、学習データに由来するライセンス・利用条件・再配布条件には注意してください。
11. Citation
もしこのモデルや派生物を研究・検証に利用した場合は、ベースモデルと学習データのクレジットも併記してください。
@misc{matutake2026,
title = {matutake},
author = {summerMC},
year = {2026},
howpublished = {\url{https://huggingface.co/summerMC/matutake}}
}
必要に応じて、ベースモデル・データセットの引用も追加してください。
12. Notes
matutake は、Sakura系列をベースに Fable系の会話・推論・スタイル応答 を強化するための実験モデルです。
ベンチマークスコアの最適化よりも、会話としての自然さ、返答の雰囲気、長めの応答生成 を重視しています。