CoolFace
Modelpublic

pieroot/timesorter-qwen3.5-4b-sft-v4

sourceHugging Faceapache-2.0updated 4mo agoView on Hugging Face
0likes4downloads
Model Card

TimeSorter — SFT v4 (Qwen3.5-4B QLoRA 어댑터)

한국어 할 일 목록을 4축(긴급도·중요도·의존성·시간 제약, 각 1–5점)으로 채점하고 우선순위를 결정하는 일정 정렬 비서. Qwen/Qwen3.5-4B 위에 학습한 LoRA 어댑터.

  • —학습 단계: SFT v4
  • —학습 데이터: sftv4train (6,056행, curated)
  • —검증: held-out 통과율 90.0% (n=30) (골격 규칙 자동 채점)
  • —출력: 4축 점수 JSON (tasks/priority_order/scores/refusal_reason)

사용법

python
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig
from peft import PeftModel

bnb = BitsAndBytesConfig(load_in_4bit=True, bnb_4bit_quant_type="nf4",
                         bnb_4bit_compute_dtype=torch.bfloat16)
tok = AutoTokenizer.from_pretrained("pieroot/timesorter-qwen3.5-4b-sft-v4")
base = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3.5-4B", quantization_config=bnb,
                                            device_map="auto", dtype=torch.bfloat16)
model = PeftModel.from_pretrained(base, "pieroot/timesorter-qwen3.5-4b-sft-v4").eval()
Qwen3.5는 추론 시 enable_thinking=False (chat template) 권장 — 깨끗한 JSON 출력.

학습 코드·데이터셋: https://github.com/jung-geun/TimeSorter