--- language: - en - ko library_name: transformers pipeline_tag: text-generation tags: - terminal - sft - vllm - tb2-lite base_model: google/gemma-4-E2B-it --- # LLM-OS-Models/gemma-4-E2B-it-Terminal-SFT-Native-Liquid-1Epoch 터미널 작업 자동화를 위한 Terminal SFT 모델입니다. 입력된 작업/이전 터미널 상태를 보고 다음에 실행할 명령을 JSON 형태로 생성하는 용도로 학습했습니다. ## 모델 요약 - Base model: `google/gemma-4-E2B-it` - Training setup: `1 epoch, Gemma native Liquid preprocessing` - Evaluation snapshot: `2026-05-14 07:16:58 UTC` - Evaluation result id: `gemma4_e2b_it_native_e1` ## Quickstart 설치와 로그인: ```bash pip install -U vllm transformers huggingface_hub huggingface-cli login ``` 관련 코드: - GitHub: https://github.com/LLM-OS-Models/Terminal - vLLM 평가 실행: `tb2_lite/scripts/replay_eval.py` - chat template/fallback 생성: `tb2_lite/scripts/prompt_builder.py` - JSON/command 채점: `tb2_lite/scripts/replay_metrics.py` vLLM 직접 실행 예시. 평가 코드와 동일하게 chat template을 우선 사용하고, template이 없으면 ChatML/Gemma fallback을 사용합니다. ```python from transformers import AutoTokenizer from vllm import LLM, SamplingParams model_id = "LLM-OS-Models/gemma-4-E2B-it-Terminal-SFT-Native-Liquid-1Epoch" tp = 1 tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True) llm = LLM( model=model_id, tokenizer=model_id, trust_remote_code=True, dtype="bfloat16", tensor_parallel_size=tp, max_model_len=49152, gpu_memory_utilization=0.92, ) messages = [ {"role": "system", "content": "You are a terminal automation assistant. Return JSON only."}, {"role": "user", "content": "Inspect the current directory and list Python files."}, ] def render_chatml(messages): parts = [] for message in messages: role = "assistant" if message["role"] == "assistant" else message["role"] if role == "tool": role = "user" parts.append(f" {role}\n{message['content']} \n") parts.append(" assistant\n") return "".join(parts) def render_gemma4_turn(messages, empty_thought_channel=False): parts = [" "] for message in messages: role = "model" if message["role"] == "assistant" else message["role"] if role == "tool": role = "user" parts.append(f" {role}\n{message['content'].strip()} \n") parts.append(" model\n") if empty_thought_channel: parts.append(" thought\n ") return "".join(parts) def render_prompt(model_id, tokenizer, messages): model_key = model_id.lower() if "gemma-4" in model_key: try: return tokenizer.apply_chat_template( messages, tokenize=False, add_generation_prompt=True, enable_thinking=False, ) except Exception: return render_gemma4_turn( messages, empty_thought_channel=("26b" in model_key or "31b" in model_key), ) try: return tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True) except Exception: return render_chatml(messages) prompt = render_prompt(model_id, tokenizer, messages) sampling = SamplingParams( temperature=0.0, top_p=1.0, max_tokens=1024, repetition_penalty=1.0, ) outputs = llm.generate([prompt], sampling_params=sampling) print(outputs[0].outputs[0].text) ``` 권장 출력 형식: ```json { "analysis": "brief reasoning about the next terminal action", "plan": "short execution plan", "commands": [ {"keystrokes": "ls -la\n", "duration": 0.1} ], "task_complete": false } ``` 평가와 동일한 replay 명령: ```bash python tb2_lite/scripts/replay_eval.py \ --model LLM-OS-Models/gemma-4-E2B-it-Terminal-SFT-Native-Liquid-1Epoch \ --model-short gemma4_e2b_it_native_e1 \ --eval-path tb2_lite/data/replay_full.jsonl \ --output-dir /home/work/.data/tb2_lite_eval/corrected_readme_models_vllm \ --dtype bfloat16 \ --tp 1 \ --max-model-len 49152 \ --max-tokens 1024 \ --temperature 0.0 \ --top-p 1.0 \ --gpu-memory-utilization 0.92 \ --thinking-mode off \ --strip-thinking-history auto \ --gemma4-empty-thought-channel auto \ --language-model-only ``` - 기본 권장 tensor parallel: `1`. OOM이면 `--tp`와 `tensor_parallel_size`를 2/4/8로 올리세요. - corrected TB2-lite 평가는 `temperature=0.0`, `top_p=1.0`, `max_tokens=1024`로 고정했습니다. - Gemma 4는 JSON 출력을 위해 `enable_thinking=False`를 사용하고, 26B/31B 계열은 평가 코드에서 empty thought channel 처리를 자동 적용합니다. ## 평가 결과 평가는 corrected TB2-lite replay set에서 vLLM으로 수행했습니다. 순위 점수는 `100 * avg_command_f1`만 사용하고, `first_cmd_exact_pct`는 보조 지표로만 봅니다. - Rank: `3 / 8` - Score: `25.70` - Command F1: `0.2570` - Command precision: `0.3615` - Command recall: `0.2717` - First command exact: `15.2%` - Valid JSON: `34.3%` - Steps / tasks: `303 / 50` - Sec/step: `0.325` - Load time: `51.8s` - Template status: `model_specific_or_mixed` - Rank eligible: `True` - Eval timestamp: `2026-05-09T00:19:45.035488` - 현재 집계된 평가 결과 수: `8` Prompt/template audit: ```json { "template_status": "model_specific_or_mixed", "rank_eligible": true, "steps": 303, "tasks": 50 } ``` ## 장점 - 특정 크기/가속 경로에서 비용 대비 빠른 추론을 기대할 수 있습니다. - 잘못된 명령을 많이 내기보다 보수적으로 맞는 명령을 내는 경향이 있습니다. ## 모델군 해석 - 이 repo는 Gemma 4 전용 chat template, thinking history 제거, assistant JSON-only target, base 모델 template 주입 정책으로 다시 학습한 native Liquid 결과입니다. - 기존 Gemma SFT의 낮은 점수는 template/target 포맷 충돌과 일부 checkpoint/export 문제를 포함했으므로, 이 native 결과를 새 기준으로 봐야 합니다. - 속도는 `0.325` sec/step 수준으로 빠른 편입니다. - RL 후보성: 현재 점수만으로는 주력 후보보다 보조/비교군에 가깝습니다. ## 한계와 주의사항 - recall이 상대적으로 낮아 필요한 명령 일부를 빠뜨릴 수 있습니다. - JSON 형식 실패가 있어 실행 전에 파싱 검증/재시도가 필요합니다. - Gemma 계열은 학습/평가 chat template 불일치에 민감하므로 vLLM chat_template 경로로만 비교해야 합니다. - 이 모델은 자동 터미널 조작 보조용 SFT 모델이며, 일반 대화/범용 추론 성능을 보장하지 않습니다. - 생성 명령은 실제 실행 전에 sandbox, allowlist, human review 같은 안전장치를 거쳐야 합니다. ## 해석 메모 TB2-lite 점수는 일반 지능 벤치마크가 아니라 터미널 next-action JSON 재현 능력을 측정합니다. 따라서 모델 크기, chat template 일치, assistant-only masking, tokenizer, 학습 데이터 holdout 여부가 모두 점수에 영향을 줍니다. README.md와 MODEL_EVALUATION_REPORT.md의 값이 더 최신이면 해당 값을 우선 확인하세요. 이 모델카드는 완료된 평가 JSON을 기준으로 개별 저장소에 빠르게 반영한 스냅샷입니다.
