6. 全ソースコードと使用したモデル

この記事の目的

数独AIの実験に使ったソースコードを公開します。ファイルを開いたときだけコードを読み込みます。

使用したモデル

• Qwen3-VL-2B-Instruct: 最初の学習(lora_stoku)、試行錯誤学習(lora_move)、確定マス探し(lora_cell)、盤の読み取りと数字1の判定の 2B 版に使いました。
• Qwen3-VL-8B-Instruct: 盤の読み取り(lora_board_read_8b)と数字ごとの置けないマス(lora_digit1_illegal_8b)を学習しました。4回目の記事の解き方は15サイクルのアダプターで行い、写真の取り込みは盤読み取りのアダプターを使います。
• LoRA: peft、r=8、alpha=16。すべてのアダプターが同じ設定です。
• Qwen2.5-1.5B-Instruct: Webチャットで一手の要求かどうかを見分けます。
• Gemma 4(31B、E4B、mlx 4bit): 盤の座標を読めるかどうかだけをテストしました。
• Webの一手: 今は VLM なしで、コードで確実な手を選びます。

フォルダ構成

• ルートの dataset_*.py: 学習データの生成
• ルートの *_train_loop.py、train_vlm.py: LoRA 学習とサイクルの繰り返し
• sudoku_engine.py、sudoku_human_solver.py、vlm_digit_strategy.py: パズルの生成、人式の解き方、確実な手の探索
• human_judge_*.py: 4回目の記事の判定デモ
• sudoku_vlm_server.py、chat_bridge_server.py: VLM サーバーとチャットサーバー
• main.py、main_window.py、photo_board_*.py: PyQt6 アプリと写真の取り込み
• web: Next.js のWeb数独画面、解いた記録(db.ts)、AIチャットパネル
• solve.md: 人の解き方を書いた文書

サーバーのデプロイ設定、監視・自動化スクリプト、学習データとログ、モデルの重みは公開範囲から除外しました。広告やほかのゲームの一覧のようなWeb運用のコード、設定ファイルも除いたため、一部の import は公開していないファイルを指しています。

全ソース