Qwen3-4B SFT v9 Clean Direct

概要

• ベースモデル: Qwen/Qwen3-4B-Instruct-2507
• データセット: merged_dataset_final_clean.jsonl (1500 samples)
• 戦略: CoT除去済みクリーンデータ直接使用

設定

• LoRA r: 64
• LoRA alpha: 64
• Learning rate: 5e-05
• Epochs: 2
• Batch size: 8
• Max seq length: 1024

特徴

• Person Y のデータクリーニングパイプラインで処理
• CoT（Approach/Output）完全削除
• 構文検証済みデータのみ使用
• Empty Think Injection なし

フォーマット分布

• csv: 300
• json: 300
• toml: 300
• xml: 300
• yaml: 300