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