Views
No views yet
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。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。1# DPO ノートブック cell-10
2os.environ["DPO_BASE_MODEL"] = "sonodd/qwen3-4b-structeval-sft-v4-lr2e5-merged"
3os.environ["DPO_SFT_ADAPTER_ID"] = "" # マージ済みなので空