README.md

---
license: apache-2.0
base_model: Qwen/Qwen3-0.6B
tags:
- fine-tuned
- merged
- lora
- qwen
datasets:
- tatsu-lab/alpaca
language:
- ko
- en
---

# Fine-tuned Merged Model

이 모델은 Qwen/Qwen3-0.6B을 기반으로 LoRA(Low-Rank Adaptation) 기법을 사용해 파인튜닝한 후, 기본 모델과 병합된 완전한 모델입니다.

## 모델 정보
- **베이스 모델**: Qwen/Qwen3-0.6B
- **파인튜닝 방법**: LoRA (Low-Rank Adaptation)
- **데이터셋**: tatsu-lab/alpaca
- **모델 타입**: 완전 병합된 모델 (Full Merged Model)

## 사용 방법

```python
from transformers import AutoTokenizer, AutoModelForCausalLM

# 병합된 모델과 토크나이저 로드 (별도의 어댑터 로드 불필요)
tokenizer = AutoTokenizer.from_pretrained("Whitewinter/model-merged", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    "Whitewinter/model-merged",
    trust_remote_code=True,
    torch_dtype=torch.bfloat16,
    device_map="auto"
)

# 추론
prompt = "### Instruction:\nExplain what machine learning is.\n\n### Response:\n"
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=200, temperature=0.7)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)
```

## 특징
- LoRA 어댑터가 기본 모델과 완전히 병합되어 있어 별도의 어댑터 로드가 불필요합니다.
- 표준 transformers 라이브러리만으로 모델을 사용할 수 있습니다.
- 추론 시 속도가 빠르고 메모리 효율적입니다.