GPT-OSS 2048 Reinforcement Learning Model
このモデルは、OpenAIのgpt-oss-20bを2048ゲームの戦略生成タスクで強化学習（GRPO）によりファインチューニングしたものです。
📋 学習パラメータ
| パラメータ | 値 |
|---|---|
| ベースモデル | unsloth/gpt-oss-20b |
| max_seq_length | 2048 |
| lora_rank | 32 |
| lora_alpha | 64 |
| batch_size | 1 |
| gradient_accumulation | 1 |
| 実効バッチサイズ | 1 |
| num_generations | 2 |
| max_steps | 10 |
| learning_rate | 5e-05 |
| warmup_ratio | 0.1 |
| 量子化 | 4bit |
🎯 タスク
2048ゲームのボード状態を入力として、最適な次の一手（W/A/S/D）を出力するPython関数を生成します。
💾 保存形式
- 形式: mxfp4
- 生成日時: 2025-12-25 20:20:16
🚀 使用方法
from unsloth import FastLanguageModel
model, tokenizer = FastLanguageModel.from_pretrained(
model_name="MakiAi/gpt-oss-2048-rl-s10-r32-b1-mxfp4",
max_seq_length=2048,
load_in_4bit=True,
)
📎 関連リンク
⚠️ ライセンス
Apache 2.0
- Downloads last month
- -