1C LoRA Training

Цель: обучить draft LoRA adapter qwen3-coder-30b-a3b-1c-lora-v1 поверх qwen3-coder-30b-a3b-instruct.

Preconditions

Полностью скачана базовая модель: /models/base/qwen3-coder-30b-a3b-instruct.
Подготовлен датасет: plugins/1c/training/prepared/train.chat.jsonl.
Есть GPU/CUDA на docker-gpu.cin.su.
В датасете достаточно проверенных примеров. Синтетические 2 записи подходят только для smoke-run, не для полезного качества.

Current Preflight Status

На 2026-07-04 локальный preflight для нового Qwen3-Coder training contour не стартует, потому что:

локально нет CUDA/GPU;
training-зависимости не установлены в локальный Python;
HF-база qwen3-coder-30b-a3b-instruct еще не лежит в /models/base/qwen3-coder-30b-a3b-instruct на текущем workspace path;
запускать обучение нужно на docker-gpu.cin.su, потому что именно там есть GPU-контур для этой модели.

Если файл будет удален или поврежден, восстановить/докачать базовую модель можно так:

python scripts/download_hf_range.py qwen3-coder-30b-a3b-instruct `
  --local-dir models/base/qwen3-coder-30b-a3b-instruct `
  --chunk-size 16mb `
  --retries 20

Prepare Dataset

python scripts/validate_1c_training_data.py plugins/1c/training/examples/instruction.examples.jsonl
python scripts/prepare_1c_training_data.py --input plugins/1c/training/examples/instruction.examples.jsonl --output plugins/1c/training/prepared/train.chat.jsonl

Local Preflight

python scripts/preflight_1c_training.py

Dry Run

python scripts/train_1c_lora.py --dry-run

GPU Docker Run

docker --host ssh://docker-gpu.cin.su compose --env-file core/deploy/docker-gpu/training/1c-lora.env.example -f core/deploy/docker-gpu/training/1c-lora.compose.yaml up --abort-on-container-exit

Или через готовый wrapper:

powershell -NoProfile -ExecutionPolicy Bypass -File scripts/run_1c_lora_training_gpu.ps1

Full end-to-end orchestration for the current Q6 route:

powershell -NoProfile -ExecutionPolicy Bypass -File scripts/train_and_publish_q6_lora.ps1

Preview the whole flow without executing:

powershell -NoProfile -ExecutionPolicy Bypass -File scripts/train_and_publish_q6_lora.ps1 -PlanOnly

Troubleshooting:

docs/runbooks/q6-lora-troubleshooting.md

Output

Adapter path:

/models/adapters/1c/qwen3-coder-30b-a3b-1c-lora-v1

After a successful training run:

Run plugins/1c/evals/smoke.yaml.
Convert the adapter for llama.cpp GGUF format or merge it before rebuilding the Q6 GGUF deployment artifact.

GGUF adapter export on docker-gpu:

powershell -NoProfile -ExecutionPolicy Bypass -File scripts/convert_1c_lora_to_gguf_gpu.ps1

The default output path is:

/models/adapters/1c/qwen3-coder-30b-a3b-1c-lora-v1.gguf

If the export container should reuse an existing llama.cpp checkout on the host without pulling updates:

powershell -NoProfile -ExecutionPolicy Bypass -File scripts/convert_1c_lora_to_gguf_gpu.ps1 -SkipClone

To launch the current GPU Q6 route with a converted adapter, use:

powershell -NoProfile -ExecutionPolicy Bypass -File scripts/manage_gpu_q6_service.ps1 `
  -Action start `
  -LoraPath /models/adapters/1c/qwen3-coder-30b-a3b-1c-lora-v1.gguf

If you need a custom adapter scale, pass -LoraScale 0.5 or another value. 4. Compare base, RAG, and adapter outputs. 5. Promote model card from draft only after expert review.

3.9 KiB Raw Blame History