qwen3-4b-structured-sft-lora-v07-merged

Fully merged model (base + LoRA) fine-tuned from Qwen/Qwen3-4B-Instruct-2507.

v07 変更点

• SFT LR: 2e-6 → 2e-5（v03比10倍。ガイド著者実績値）
• 他はv03と同一（データセット・MASK_COT=1・LoRA r=64・Epoch=2）

Training Configuration

• Base model: Qwen/Qwen3-4B-Instruct-2507
• Method: QLoRA (4-bit) → merged
• LR: 2e-05 / Epochs: 2 / LoRA: r=64, alpha=128
• Dataset: u-10bei/structured_data_with_cot_dataset_512_v2（3933件）
• MASK_COT: 1（CoT保持・lossマスク）