steven0226/gemma-4-e4b-formosanlu-lora

Gemma 4 E4B FormosaNLU LoRA

這是 google/gemma-4-E4B-it 的 text-tower QLoRA adapter，針對正體中文 （台灣，zh-TW）口語 NLU 進行 supervised fine-tuning。輸出 contract 是：

{"intent": "intent_label", "slots": [{"type": "slot_type", "value": "原句片段"}]}

本 repo 只包含 LoRA adapter 與 tokenizer artifacts，不包含完整 Gemma 4 base weights。完整程式碼、frozen config、資料與實驗報告： kuotunyu/FormosaNLU-Synth。

Model details

項目	內容
Base model	google/gemma-4-E4B-it
Adapter	PEFT LoRA，rank 16，alpha 32，dropout 0.05
Training group	1,176 real 20-shot + 3,760 F1–F6 filtered synthetic
Seed	42
Steps	500
Effective batch size	16
Quantization	NF4 double-quant QLoRA，BF16 compute
Training GPU	NVIDIA RTX 4090 24 GB
License	Apache-2.0

發布的是 primary filtered seed-42 adapter；seeds 43/44 僅用於 uncertainty 評估，不另行發布。

Evaluation

Untouched MASSIVE zh-TW Test，2,974 rows：

Metric	real-only seed 42	此 filtered adapter
Intent accuracy	73.54%	76.19%
Intent macro-F1	75.20%	76.09%
Slot micro-F1	62.14%	66.54%
Exact match	49.06%	52.12%
JSON-valid rate	98.02%	97.98%

Paired seeds 42–44 中，filtered 相對 real-only 的 intent accuracy 平均提升 +4.14 ± 1.39 個百分點，exact match 平均提升 +3.86 ± 0.73 個百分點。 5,000 次 hierarchical paired bootstrap 的 95% CI 分別為 [+2.60, +5.59] 與 [+2.75, +4.92] 個百分點；每個 seed 的 exact McNemar tests 經 Holm correction 後均 p ≤ 0.00017。這些是 frozen Test 與目前 Gemma 4 contract 內的證據，不代表跨模型泛化。

Seed-42 的 8,922-row deterministic robustness probe：

Group	Intent accuracy	Slot F1	Exact match
real-only	71.61%	60.59%	46.33%
此 filtered adapter	73.27%	64.13%	48.79%

載入方式

Gemma 4 E4B 是 multimodal checkpoint；本專案只載入 text tower，使用與訓練 相同的 key mapping：

import torch
from peft import PeftModel
from transformers import AutoTokenizer, BitsAndBytesConfig
from transformers import Gemma4Config, Gemma4ForCausalLM

base_id = "google/gemma-4-E4B-it"
adapter_id = "steven0226/gemma-4-e4b-formosanlu-lora"

tokenizer = AutoTokenizer.from_pretrained(adapter_id)
tokenizer.padding_side = "left"

quantization = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type="nf4",
    bnb_4bit_use_double_quant=True,
    bnb_4bit_compute_dtype=torch.bfloat16,
)
multimodal_config = Gemma4Config.from_pretrained(base_id)
base = Gemma4ForCausalLM.from_pretrained(
    base_id,
    config=multimodal_config.text_config,
    key_mapping={r"^model\.language_model\.": "model."},
    quantization_config=quantization,
    dtype=torch.bfloat16,
    device_map={"": 0},
)
model = PeftModel.from_pretrained(base, adapter_id, is_trainable=False)
model.eval()

輸入 prompt／chat template 與完整 inference 範例請參考 GitHub 的 src/evaluation/run_adapter.py 與 src/nlu_prompt.py。

Intended use

• 正體中文（台灣）intent classification 與 slot filling 研究
• Synthetic-data augmentation 的下游比較
• PEFT／QLoRA、structured output 與 NLU Demo

Limitations

• 只針對 MASSIVE taxonomy：60 intents、55 slot types。
• Test 來源具有翻譯語料特性，不等同所有自然台灣口語。
• 可能輸出無效 JSON、錯誤 intent 或不在原句中的 slot value。
• 沒有 constrained decoding；JSON-valid rate 是實測指標。
• Robustness 只測 seed 42，且不是自然 ASR logs。
• 不適用醫療、法律、金融或安全關鍵決策。

Training data

• Real seed：MASSIVE zh-TW 20-shot sampling，共 1,176 rows
• Synthetic：steven0226/formosa-nlu-synth-v1
• Validation／Test：只使用 untouched real MASSIVE，未回流生成或訓練

Environmental information

所有本機 model workloads 使用單張 RTX 4090。專案可追溯 local GPU total 為 23.124 小時；以 450 W TDP 計算的 GPU-only 保守上限為 10.406 kWh， 不是 wall-socket measurement。API 花費為 $0。

License

Gemma 4 與此 adapter 使用 Apache License 2.0。