---
license: apache-2.0
base_model: Qwen/Qwen3-235B-A22B-Thinking-2507
tags:
  - qwen3
  - 235b
  - lora
  - merged
  - reasoning
  - cot
  - japanese
  - english
language:
  - ja
  - en
library_name: transformers
pipeline_tag: text-generation
model_type: qwen
datasets:
  - oNo-1/difficult_problem_dataset_v4_500
---

# 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 difficult_problem_dataset_v4 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](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/difficult_problem_dataset_v4_500`（difficult_problem_dataset_v4 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。