<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>LoRA on サブカル科学研究会のブログ</title>
    <link>https://www.subcul-science.com/tags/lora/</link>
    <description>Recent content in LoRA on サブカル科学研究会のブログ</description>
    <generator>Hugo</generator>
    <language>ja-JP</language>
    <lastBuildDate>Sun, 15 Nov 2026 15:30:00 +0900</lastBuildDate>
    <atom:link href="https://www.subcul-science.com/tags/lora/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>「考える前に答える」小型LLMをどう鍛えるか — 4役割の共進化と評価設計</title>
      <link>https://www.subcul-science.com/post/20261115umigame-gan-solution/</link>
      <pubDate>Sun, 15 Nov 2026 15:30:00 +0900</pubDate>
      <guid>https://www.subcul-science.com/post/20261115umigame-gan-solution/</guid>
      <description>小型LLMは最初の思いつきで回答し、除外した候補まで復活させてしまいます。失敗を「早すぎる回答」と「候補の追跡」に分解し、出題者と回答者を交互に育てる仕組みと、手番ごとの報酬でどこまで変わったのかを実測値とともにまとめました。共進化の優位は未確認という結論も書きます。</description>
    </item>
    <item>
      <title>4役割のGAN的共進化で小型LLMの探索を鍛える — umigame_GAN の実験基盤</title>
      <link>https://www.subcul-science.com/post/20261115umigame-gan-tech/</link>
      <pubDate>Sun, 15 Nov 2026 15:20:00 +0900</pubDate>
      <guid>https://www.subcul-science.com/post/20261115umigame-gan-tech/</guid>
      <description>小型LLMの試行錯誤を強化するため、出題者・回答者・2人の採点者を競わせる共進化の実験基盤を作りました。Qwen3-4B への LoRA を Mac ローカルで回し、題材に依存しないループ、R-Zero型とEDA型の報酬、条件をそろえた比較設計を、実装の抜粋と実測値で整理します。</description>
    </item>
    <item>
      <title>GPU なしで日本語 LLM をファインチューニングする — Mac 1台で回す学習と評価</title>
      <link>https://www.subcul-science.com/post/20261115ft-llm-solution/</link>
      <pubDate>Sun, 15 Nov 2026 11:50:00 +0900</pubDate>
      <guid>https://www.subcul-science.com/post/20261115ft-llm-solution/</guid>
      <description>GPU を用意せずに日本語 LLM を調整したい。その壁を、MLX と mlx-lm を使った Mac 1台のパイプラインで外しました。環境構築からデータ整形、長文のメモリ対策、評価、Ollama での配布までの詰まりどころと、実際の数値を整理します。</description>
    </item>
    <item>
      <title>MLX で組む日本語 LLM の LoRA 学習パイプライン — LFM2.5-1.2B-JP の実装と評価</title>
      <link>https://www.subcul-science.com/post/20261115ft-llm-tech/</link>
      <pubDate>Sun, 15 Nov 2026 11:40:00 +0900</pubDate>
      <guid>https://www.subcul-science.com/post/20261115ft-llm-tech/</guid>
      <description>Apple Silicon 上で LFM2.5-1.2B-JP を LoRA ファインチューニングする FT_LLM の構成を解説します。設定の解決、2つの実行モード、チャンク分割した損失、早期停止、文字単位の評価まで、実装の抜粋と実測値で整理しました。</description>
    </item>
    <item>
      <title>Apple SiliconでLLMをファインチューニング！MLX &#43; LoRAで日本語読解モデルを自作する方法</title>
      <link>https://www.subcul-science.com/post/ft-llm/</link>
      <pubDate>Mon, 20 Apr 2026 16:00:00 +0900</pubDate>
      <guid>https://www.subcul-science.com/post/ft-llm/</guid>
      <description>LiquidAI の LFM2.5-1.2B-JP モデルを Apple Silicon の MLX フレームワークで LoRA ファインチューニングするパイプラインを構築しました。JsQuAD（日本語読解）データセットで学習し、カスタム Chunked Loss と早期停止も実装しています。</description>
    </item>
  </channel>
</rss>
