oNo-1-DeepSeek-R1-0528-QLoRA-MedMCQA-bf16

ドキュメント

• Notion ガイド: https://www.notion.so/257e14b94af5808687a1f39f4b84bd0e?source=copy_link

サマリー — DeepSeek-R1-0528 をベースに、oNo-1/MedMCQAのプライベートサブセットを用いた内部ポストトレーニングの成果物です。

---

モデル詳細

• ベースモデル: deepseek-ai/DeepSeek-R1-0528（MIT）
• パラメータ構成: マージ済みフルモデル（追加アダプタ不要）
• トークナイザ: ベースモデル付属を使用

---

データ

• 利用データ（private）: oNo-1/MedMCQA
• ライセンス: Dataset 側は Apache-2.0 表記。ベース（MIT）との整合を確認のうえ再配布・商用可否を判断してください。

プロンプト

• ベースの DeepSeek チャットテンプレート準拠。具体的な運用・プロンプト設計は Notion を参照してください。

---

学習サマリー

• oNo.1 による 内部ポストトレーニングの成果物です。
• 具体的なハイパーパラメータやレシピは コンペ期間中は非公開です。
• 最終モデルは merged でエクスポートされています。

---

推論

• 推論手順・推奨ランタイム の注意事項は Notion を参照してください：https://www.notion.so/257e14b94af5808687a1f39f4b84bd0e?source=copy_link

---

安全性と責任ある利用

• 医療用途不可。診断・治療・処方の代替には使用しないでください。
• エンドユーザー向け公開前に、拒否ポリシー／検証付き検索／人手レビューの導入を推奨します。
• 幻覚・古い知識・バイアスに対して レッドチーミング を実施してください。

---

バージョン管理と成果物

• 配布対象: マージ済みモデル重み と tokenizer。
• 付随する設定や学習ログはコンペ期間中は非公開です。

---

ライセンス

• Base model: MIT（DeepSeek-R1-0528）
• Dataset: Apache-2.0（oNo-1/MedMCQA）
• This model: MIT

---

引用

• DeepSeek-R1: DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning（2025）, arXiv:2501.12948
• MedMCQA: Pal et al., MedMCQA: A Large-scale Multi-Subject Multi-Choice Dataset for Medical domain Question Answering, PMLR 174（2022）

---

謝辞

• DeepSeek チーム（ベースモデル／トークナイザ）
• Transformers / bitsandbytes / PEFT メンテナ
• データセット作成者およびレビュアのみなさま