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.

Birincil kaynak

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

İlgili çalışmalar