2025 · Kamuya açık model uyarlaması

Qwen-0.5B-GRPO: A Fine-Tuned Math Reasoner

GSM8K kullanarak yapılandırılmış matematiksel akıl yürütme için Qwen2.5-0.5B-Instruct modelinin GRPO ile ince ayarlanmış bir uyarlaması.

Araştırma sorusu

Küçük bir model, bir matematik probleminin çözümünü adım adım yazmayı öğrenebilir mi?

Küçük bir model hem sözel matematik problemini çözmeyi hem de sonucunu düzenli sunmayı öğrenebilir mi? Yarım milyar parametreli bu Qwen modeli GSM8K soruları üzerinde bir eğitim turu geçirdi. Çözümü yazıp sonucu ayrı bir bölüme koyuyor. GRPO eğitiminde sayısal sonuç ve yanıtın biçimi ayrı ödüllerle değerlendirildi. Düzeni kusursuz görünen bir cevapta bile işlem hatası olabiliyor.

Kaynakta geçen isimler
Davut Emre Taşar
Yayın durumu
Kamuya açık model uyarlaması
Yayın veya platform
Hugging Face Models
Tanımlayıcı
emre/Qwen-0.5B-GRPO

Kaynaklar

Araştırma alanları · Dil

İlgili çalışmalar