Instructions to use ichi234/exp002_stage2_s2_db_merged with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use ichi234/exp002_stage2_s2_db_merged with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="ichi234/exp002_stage2_s2_db_merged")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("ichi234/exp002_stage2_s2_db_merged")
model = AutoModelForCausalLM.from_pretrained("ichi234/exp002_stage2_s2_db_merged")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Inference
Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use ichi234/exp002_stage2_s2_db_merged with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "ichi234/exp002_stage2_s2_db_merged"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "ichi234/exp002_stage2_s2_db_merged",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/ichi234/exp002_stage2_s2_db_merged

SGLang

How to use ichi234/exp002_stage2_s2_db_merged with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "ichi234/exp002_stage2_s2_db_merged" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "ichi234/exp002_stage2_s2_db_merged",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "ichi234/exp002_stage2_s2_db_merged" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "ichi234/exp002_stage2_s2_db_merged",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use ichi234/exp002_stage2_s2_db_merged with Docker Model Runner:
```
docker model run hf.co/ichi234/exp002_stage2_s2_db_merged
```

llm2025 advanced exp002 stage2 s2_db model

本モデルは、アドバンスドコンペ（ALFWorld / DBBench）において、以下を両立することを目的に学習しました。

ALFWorld: THOUGHT + ACTION の2行フォーマット安定化と合法行動率の維持
DBBench: Action: Operation / Action: Answer 形式の安定化と SQL/回答の一致率向上

学習方針

1. Stage1

ALF側の出力フォーマットと合法行動を安定化させるため、ALF寄りのフェーズを中心に学習。その後DB側の学習。

Stage1 フェーズ別設定（概要）

phaseA
- 手法: LoRA（bfloat16）
- 最大シーケンス長: 2048
- エポック数: 0.60（max_steps=1000）
- 学習率: 1e-4
- LoRA パラメータ: r=64, alpha=128
phaseB
- 手法: LoRA（bfloat16）
- 最大シーケンス長: 2048
- エポック数: 0.20
- 学習率: 5e-5
- LoRA パラメータ: r=64, alpha=128
phaseC_1_alf
- 手法: LoRA（bfloat16）
- 最大シーケンス長: 2048
- エポック数: 0.12
- 学習率: 5e-5
- LoRA パラメータ: r=64, alpha=128
phaseC_2_db
- 手法: LoRA（bfloat16）
- 最大シーケンス長: 2048
- エポック数: 0.02
- 学習率: 5e-5
- LoRA パラメータ: r=64, alpha=128
phaseC_3_alf
- 手法: LoRA（bfloat16）
- 最大シーケンス長: 2048
- エポック数: 0.12
- 学習率: 5e-5
- LoRA パラメータ: r=64, alpha=128
phaseD
- 手法: LoRA（bfloat16）
- 最大シーケンス長: 2048
- エポック数: 0.08
- 学習率: 2e-5
- LoRA パラメータ: r=64, alpha=128

2. Step2データ拡張

openai/gpt-oss-120bを使ったオフライン蒸留を実施。

3. Stage2

Step2データ拡張で作成したデータをもとに学習。

Stage2設定（概要）

手法: LoRA（bfloat16）
最大シーケンス長: 4096
エポック数: 0.40
学習率: 2e-5
LoRA パラメータ: r=64, alpha=128

使い方

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "ichi234/exp002_stage2_s2_db_merged"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

ソースおよびライセンス（重要）

ベースモデル: Qwen/Qwen2.5-7B-Instruct
学習データ:Creative Commons Attribution (CC-BY-4.0)。本データセットは、CC-BY-4.0 ライセンスの条項に基づき、使用および再配布が可能です。
蒸留 teacher: openai/gpt-oss-120b
遵守事項: 利用者は、データセットの帰属表記（クレジット）に関する要件、およびベースモデルの元の利用規約の両方を遵守する必要があります。

Downloads last month: 4

Safetensors

Model size

8B params

Tensor type

BF16

Model tree for ichi234/exp002_stage2_s2_db_merged

Base model

Qwen/Qwen2.5-7B

Finetuned

Qwen/Qwen2.5-7B-Instruct

Finetuned

(3342)

this model