Gemma-2-2B-IT ゲーム戦略ファインチューニングモデル

モデル概要

このモデルは、GoogleのGemma-2-2B-ITをベースに、22個のゲーム戦略知識をLoRA（Low-Rank Adaptation）でファインチューニングしたものです。

学習内容:

• 5つの基本戦略タイプ（Offensive, Defensive, Adaptive, Disruptive, Endurance）
• 7つの攻撃側決定基準（Cumulative Probability Focus, Recent Pattern Focus, Speed Focus, Return Focus, Feint Focus, Distribution Focus, Energy Efficiency Focus）
• 7つの防御側決定基準（Cumulative Probability Focus, Recent Pattern Focus, Counterattack Focus, Return Focus, Risk Avoidance Focus, Counter Focus, Distribution Focus）

訓練情報

訓練データ

• データ数: 479件（訓練）+ 25件（検証）
• データソース: game_rules_augmented.jsonl
• データ形式: Gemma-2-itプロンプトテンプレート形式

  <start_of_turn>user
  質問<end_of_turn>
  <start_of_turn>model
  回答<end_of_turn>
  

ハイパーパラメータ

訓練結果

• 最終訓練ロス: 0.0
• 最終検証ロス: 1.08e-05
• 訓練可能パラメータ: 20,766,720 (0.79%)
• 訓練時間: 約1.5時間
• ハードウェア: NVIDIA RTX 4070 Ti SUPER (16GB VRAM)

評価結果

テスト結果サマリー

9つの異なる質問でテストを実施：

強み

✅ 個別の決定基準の説明は非常に正確

• Recent Pattern Focus, Counterattack Focus, Counter Focus, Distribution Focusの説明は完璧

✅ 質問の表現バリエーションに対応

• "What is", "Explain", "Describe", "Tell me about" など様々な動詞に対応可能

弱点

❌ 過学習による知識の混同

• 数値の誤認（5個の戦略を7個と回答）
• 攻撃側/防御側の混同
• 戦略特徴の混入

❌ 間接的な質問への対応不足

• "Which strategy focuses on energy management?" → 不正確な回答

❌ 比較質問への対応不足

• 訓練データに比較形式の例がないため、適切な比較ができない

使い方

インストール

pip install transformers peft torch

基本的な使用方法

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch

# ベースモデルとLoRAアダプタをロード
base_model = AutoModelForCausalLM.from_pretrained(
    "google/gemma-2-2b-it",
    device_map="auto",
    torch_dtype=torch.bfloat16
)

model = PeftModel.from_pretrained(base_model, "ayousanz/gemma-2-2b-it-game-ft")
tokenizer = AutoTokenizer.from_pretrained("ayousanz/gemma-2-2b-it-game-ft")

# 推論
prompt = "What is the offensive strategy?"
formatted_prompt = f"<start_of_turn>user\n{prompt}<end_of_turn>\n<start_of_turn>model\n"

inputs = tokenizer(formatted_prompt, return_tensors="pt").to(model.device)
outputs = model.generate(
    **inputs,
    max_new_tokens=150,
    do_sample=False,
    pad_token_id=tokenizer.pad_token_id,
    eos_token_id=tokenizer.eos_token_id
)

response = tokenizer.decode(outputs[0][inputs['input_ids'].shape[1]:], skip_special_tokens=True)
print(response)
# 出力: Offensive strategy: High risk, high reward strategy type with frequent attacks.

マージして使用（推奨）

# LoRAアダプタをベースモデルにマージ
merged_model = model.merge_and_unload()

# 推論（より高速）
inputs = tokenizer(formatted_prompt, return_tensors="pt").to(merged_model.device)
outputs = merged_model.generate(**inputs, max_new_tokens=150)

推奨される使用方法

✅ 適している質問

• 個別の戦略や決定基準の説明
  • "What is Recent Pattern Focus in offense?"
  • "Explain Counterattack Focus in defense"
• 基本的な戦略タイプの説明
  • "What is the offensive strategy?"
  • "Tell me about Disruptive strategy"

❌ 避けるべき質問

• 数を問う質問
  • "How many basic strategy types are there?" → 不正確な可能性
• 比較質問
  • "Compare offensive and defensive strategies" → 不適切な回答
• 間接的な質問
  • "Which strategy focuses on X?" → 不正確な可能性

制限事項と注意点

⚠️ 過学習について

このモデルはエポック37で訓練されており、過学習の兆候があります：

• 訓練ロスが0.0まで低下
• 一部の知識が混同（数値、攻撃/防御の区別）
• 訓練データにない造語を生成する場合あり

推奨事項

より正確なモデルが必要な場合は、以下のアプローチを推奨：

1. エポック数を10-15に削減して再訓練
2. データの追加（比較質問、間接質問の例を追加）
3. 正則化の強化（weight decay増加、LoRA dropout増加）

ライセンス

このモデルは以下のライセンスに従います：

• コード: MIT License
• ベースモデル（Gemma-2）: Gemma Terms of Useに従ってください

引用

このモデルを使用する場合は、以下を引用してください：

@misc{gemma-2-2b-it-game-ft,
  author = {ayousanz},
  title = {Gemma-2-2B-IT Game Strategy Fine-tuning},
  year = {2025},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/ayousanz/gemma-2-2b-it-game-ft}}
}

技術仕様

モデルアーキテクチャ

• ベースモデル: Gemma-2-2B-IT
• ファインチューニング手法: LoRA (Low-Rank Adaptation)
• パラメータ効率: 0.79% (20.7M / 2.6B)

計算環境

• GPU: NVIDIA RTX 4070 Ti SUPER (16GB VRAM)
• OS: Windows 11
• フレームワーク:
  • Transformers 4.47.1
  • PEFT 0.17.1
  • PyTorch 2.5.1+cu124

連絡先

問題や質問がある場合は、Issuesでお知らせください。

---

🤖 このモデルは実験的なものです。本番環境での使用前に十分なテストを行ってください。