Openr1 Qwen 7B SFT Instruct

🚀 OpenR1-Qwen-7B-SFT-Instruct

このモデルは、Qwen/Qwen2.5-7B-Instruct を open-r1/OpenR1-Math-220k データセットで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

基本的な使用法

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="ZMC2019/OpenR1-Qwen-7B-SFT-Instruct", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

🔧 技術詳細

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: 4.49.0
• Pytorch: 2.5.1
• Datasets: 3.3.2
• Tokenizers: 0.21.0

📄 ライセンス

このモデルは license のライセンスの下で提供されています。

📚 引用

TRLを以下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}}
}