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?
Bulgular ve kapsam
Qwen2.5-0.5B-Instruct modelini GSM8K’nin metin tabanlı matematik sorularıyla uyarladım. İnce ayarda iki özelliğe ayrı ödüller veriliyor. Sayısal sonuç doğru mu? Yanıt istenen biçimde yazılmış mı?
Model kartında tek eğitim turunun ayrıntıları, kullanılan temel Qwen modeli ve örnek çalıştırma kodu bulunuyor. Yayımlanan ağırlıklar sayesinde araştırmacılar uyarlamayı kendi sorularıyla deneyebiliyor.
- Katkı
- Davut Emre Taşar · Model geliştiricisi
- 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