weblab-llm-competition-2025-bridge/oNo-1-Qwen3-235B-A22B-Thinking-dpd-pmqa

weblab-llm-competition-2025-bridge / oNo-1-Qwen3-235B-A22B-Thinking-difficult-problem-dataset-v4

概要

Qwen3-235B-A22B-Thinking-2507 をベースとして、最後層の self-attention（q_proj / k_proj / v_proj / o_proj）に限定して LoRA 学習を行い、その差分を CPU 並列でベース重みにマージ（merge）たモデルです。学習には oNo-1 による oNo-1/dpdpmqa500 の 500 件サブセットを用い、SFT（ChatML）と KV 自己蒸留を適用しました。本モデルはベース同等サイズの重みを持ち、実運用では分散推論（FSDP/TP 等）を前提とします。

推論方法

詳細手順は以下の外部ドキュメントを参照してください。

Notion（推論手順）: https://www.notion.so/277e14b94af5809a88f5e7a89c707bcb?source=copy_link

学習レシピ

• —方式: QLoRA（4bit NF4 / BF16 計算）
• —対象モジュール: q_proj, k_proj, v_proj, o_proj
• —主なハイパーパラメータ: lora_r=8, lora_alpha=16, lora_dropout=0.1, lr=1e-4, epochs=1
• —その他: bf16=True, gradient_checkpointing=True, group_by_length=True, lazy_preprocess=True
• —KV 自己蒸留: --kv_sd --kv_sd_alpha 0.9

データセット

• —名称: oNo-1/dpd_pmqa_500（oNo-1/dpdpmqa500 の 500 件サブセット）
• —形式: messages に <think>…</think> を含む思考テキストと最終回答を格納
• —作成プロセス（要約）: 多段生成 → キュレーション／多様性フィルタ → 進化的改良 → 推論過程付与（SDG）
• —ライセンス: ODC-BY 1.0（データベース著作物の表示義務）

ライセンスと表記

• —モデル配布ライセンス: Apache-2.0 本モデルは Qwen/Qwen3-235B-A22B-Thinking-2507（Apache-2.0）をベースに、最後層の一部を LoRA 微調整・マージした改変物です。再配布時は Apache-2.0 の条件（著作権表示・LICENSE 同梱等）に従ってください。
• —学習データライセンス: ODC-BY 1.0 本モデルの学習には ODC-BY 1.0 に基づくデータベースを利用しています。再配布時はデータ提供者への適切な表示（Attribution）を README 等に明記してください。

制限事項

• —235B クラスの規模のため、単一 GPU での実用推論は困難です。分散推論（FSDP/TP 等）を推奨します。
• —公開・配布時は、モデル（Apache-2.0）とデータセット（ODC-BY 1.0）の両条件を順守してください。