Gemma 3 4b It Codeforces SFT

🚀 gemma-3-4b-it-codeforces-SFT

このモデルは、open-r1/codeforces-cots データセット上で google/gemma-3-4b-it をファインチューニングしたバージョンです。TRL を使用してトレーニングされています。

🚀 クイックスタート

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="qgallouedec/gemma-3-4b-it-codeforces-SFT", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

📚 ドキュメント

トレーニング手順

このモデルはSFTでトレーニングされています。

フレームワークのバージョン

• TRL: 0.16.0.dev0
• Transformers: 4.50.0.dev0
• Pytorch: 2.6.0
• Datasets: 3.0.0
• Tokenizers: 0.21.0

📄 ライセンス

このモデルのライセンスについては、license を参照してください。

📚 引用

TRLを次のように引用してください。

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallouédec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}