Mineral

GENIAC-PRIZE 2026 テーマ2 コンペスクリーニング（学生・人材育成枠）の参加者が作成した開発モデルです。 ベースモデル Qwen/Qwen3-4B-Base に 2 段階の QLoRA SFT（事後学習）を施し、LoRA をマージしたものです。 - ライセンス: apache-2.0（ベースモデルの条件に従います） - Qwen/Qwen3-4B-Base (https://huggingface.co/Qwen/Qwen3-4B-Base) - 生成元の問題はすべて上記 PRM800K の train split（12,000 行）から機械的に層化抽出したものです（評価用データは一切使用していません）。 - Qwen/Qwen3-4B-Base 自身にその問題を解かせ、出力中の \boxed{...} の内容が参照解と正規化一致したものだけを機械的なルールのみで採用しました（1,698 件）。 - 人手による作成・加工・選別、および他のモデル・API の利用は行っていません。 - GSM8K / LIMO / Aya / OpenAssistant / Tulu 3 Persona IF は使用していません。 - したがって Tulu 3 Persona IF (ODC-BY-1.0) の帰属表示は不要です。 2 段階の QLoRA SFT。データの取得・整形・学習はすべて Google Colab 上で実行しました。 - maxseqlength 3072、bf16、targetmodules = q, k, v, o, gate, up, down…