はじめに

このプロジェクトでは、model-freeなリポジトリ確認と、任意のmodel-backed実行を分けています。まず前者を実行してください。高速で、モデル重みをダウンロードしません。

1. ローカルツールを入れる

docsをローカルbuildするなら、uv とNode.js 20以降を用意します。このリポジトリのPythonコマンドは uv 経由で実行します。

powershell

git clone https://github.com/Sunwood-ai-labs/jev-colab-lab.git
Set-Location jev-colab-lab
uv --version

2. model-free確認を実行する

powershell

uv run --no-project --with pytest pytest experiments/laya/tests experiments/openjev-nli/tests experiments/semif/tests -q
uv run --project experiments/jevlike --extra dev pytest experiments/jevlike/tests -q
uv run --no-project python -m py_compile experiments/kev/t4_inference.py

これらはhelper logic、公開fixture、notebook構造、Python構文を確認します。GPUが使えることや、モデルのdownloadが成功することは証明しません。

3. 実験を選ぶ

対応する実験READMEを開き、インストール前にsource manifestを確認します。各実験の依存関係と結果ファイルは、その実験READMEを正とします。

ターゲット	実験	用途
T4	Laya、Kev-0.5B、Jevlike	低コストなdecision-model・tiny scorer経路
L4	SemIf 4B、OpenJev NLI 4B	4B direct-logit・NLI経路

4. WindowsからColabを動かす

公式のGoogle Colab CLIは現在Linux/macOS向けで、Windowsをサポートしていません。WindowsホストではWSL Ubuntuを使います。

bash

uv tool install google-colab-cli
colab --help

各実行には次を用意します。

jev-laya や jev-semif のような固有のsession名
リポジトリ外に置くtask専用のsession state file
requested GPUと、結果に記録されたactual GPUを分けた記録
手動sessionなら、sanitized resultをdownloadしてからstopする手順

認証、quota、entitlementの失敗も記録可能な結果です。OAuthリンク、ADC file、session log、weightsをcommitしません。

5. 証跡を読む

実行後はリンクされたresult JSONを開きます。成功statusとactual GPUが両方記録されている場合だけGPU成功と扱います。計測用語は再現性を参照してください。

はじめに ​

1. ローカルツールを入れる ​

2. model-free確認を実行する ​

3. 実験を選ぶ ​