A.X-3.1-Light — Specialist LoRA Merge (ties)
세 개의 축별 specialist LoRA(K/R/C)를 각각 따로 학습한 뒤 TIES로 병합한 BF16 전체 가중치 모델입니다. 별도 adapter가 필요하지 않습니다.
연구·평가용 모델입니다. 생성 결과가 부정확할 수 있으므로 의료·법률·재정 등 고위험 의사결정의 유일한 근거로 사용해서는 안 됩니다.
Model information
- Base model:
skt/A.X-3.1-Light - Base revision:
9b41bb2406472634d8812c0b8931fa40fa9a6c3a - Merge method: TIES — K + R + C, weights 1.0 each, density 0.5
- Format: standalone BF16
safetensors - Chat template: base 원본 그대로 (수정하지 않음)
Specialist LoRAs
각 LoRA는 담당 축의 데이터만 3,000행 학습했고, 학습 조건은 세 개가 완전히 동일합니다 (유일한 변수는 데이터). 전 축 4지선다 ①②③④ + answer-first 한 줄 타깃 스키마.
| LoRA | Target axis | Dataset | Source |
|---|---|---|---|
| K-LoRA | KMMLU-Pro | AI Hub 71875 필수의료 의학지식 | link |
| R-LoRA | MuSR(Ko) | AI Hub 71568 숫자연산 기계독해 | link |
| C-LoRA | Com2-main(Ko) | AI Hub 71949 인과관계 기반 추론 | link |
- Train loss: K 0.1302 / R 0.1187 / C 0.0334
- Held-out format probe (240 canonical public-benchmark items, greedy): answer stated in 100.0% of outputs, mean 13 output tokens
전처리
- 5지선다 → 4지선다 변환 (공식 벤치마크가 4지선다)
- 정답 위치 균등화 — 세 LoRA 모두 ①②③④ 각 750개
- 71568:
calculation수식이 있는 정답만 사용, 오답을 수식 변형으로 생성(검증 가능) - 71949: 원본이 이미지 기반 MCQ이므로 텍스트 인과 CoT를 시드로 4지선다 합성, 이미지를 지칭하는 항목은 전량 제외
Training configuration (three LoRAs identical)
| Method | LoRA, merged for inference |
| Rank / alpha / dropout | 16 / 32 / 0.05 |
| Target modules | q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj |
| Learning rate | 5e-5, cosine, warmup ratio 0.03 |
| Epochs | 1 |
| Effective batch | 16 |
| Max sequence length | 4,096 |
| Precision | BF16 |
| Seed | 42 |
| Objective | assistant-token-only causal LM cross entropy |
Notes
- 공개 벤치마크 test set을 직접 학습하지 않았습니다.
- 병합은 단일 GPU에서 수행했고, 전 파라미터 NaN/Inf 검사를 통과했습니다.