miutti's picture
Source: kernel, desktop app, tools (snapshot of the GitHub repo)
df41178 verified
|
Raw History Blame Contribute Delete
2.74 kB

再現に要るもの

現行の160人版を作り、同じ種類の測定を行うための記録です。実測値の履歴は dougu/jikken/KEKKA.md を参照してください。

入力と道具

  • Python: python3 --version で確認。この資料を作成した環境は Python 3.14.5。
  • 元モデル: Qwen3.6-35B-A3B-MTP-UD-Q2_K_XL.gguf(約 11.7 GiB)。配布元は Hugging Face の unsloth/Qwen3.6-35B-A3B-GGUF の UD-Q2_K_XL。
  • llama.cpp: commit **b31b71f**。この作業場の llama_patch/koukai.patch を当てて構築し、llama-server と llama-imatrix を使う。パッチ内にも語彙選択などの実装がある。
  • 派生モデル: models/Qwen3.6-35B-A3B-UD-Q2_K_XL-k160.gguf(約 7.7 GiB)。
  • SHA256(Claude が記入):
    • 160人版: a5166e02dc0fbf5b86b01dbc546f3f17c9316dba334fc762220bb4d725c5691b
    • 元モデル: ed7cda7e38985b4fcff76475865135039641d2bfbac3c169df15ca770f37fb0c

作成

  1. 元モデルを ~/LocalAI_mirror/models/Qwen3.6-35B-A3B-MTP-UD-Q2_K_XL.gguf に置き、b31b71f にパッチを適用して作った道具が ~/LocalAI_mirror/llama-koukai/ にある状態にする。

  2. 校正文から imatrix を作り、192人版と160人版を作る。既定で一問・知識・全41問の確認も行う:

    python3 dougu/kezuru_tejun.py --dan kezuru
    

    この手順は dougu/kezuru_tejun.py が呼ぶ dougu/senmonka_kezuru.py に従う。層ごとの imatrix 使用数を基準に選び、MTP を外す。再量子化はしない。

  3. 語彙を絞るパッチ設定を含め、サーバーを起動する。削った.gguf は160人版のパスに置き換える:

    llama-server -m 削った.gguf -t 6 -ngl 0 -c 32768 -np 2 -kvu \
      --no-cache-idle-slots -cram 512 -fa off --reasoning-format none
    

    語彙選択は KOUKAI_VOCAB_KEEP=vocab_keep_9999_q36_ids.txt、先読みは --spec-type none。本番構成の詳細は AGENTS.md を参照。

測定

  • 全41問の公開回帰テスト: python3 dougu/honban.py j。
  • 知識25問: python3 dougu/chishiki_wa.py --toi <知識問題JSONL> --model <モデル.gguf> --llama <llama-server>。
  • 書く速さ: python3 dougu/hayasa.py --model <モデル.gguf> --llama <llama-server> --conf 現行:<サーバーに足す引数> --wa。

問題・採点・実行条件の変更履歴も含め、1回の数字だけで一般化しないでください。モデルの SHA256 は空欄のままにしてあり、別途確認して記入します。