一项研究探讨了监督微调 (SFT) 和近端策略优化 (Grpo) 在 Qwen3.5 4B 模型上执行算术任务的有效性。结果表明,SFT 提高了测试准确性,而使用 Grpo 的三次独立的基于奖励的调优运行表现低于 SFT 验证基线。 AI
影响 这项研究为在特定任务上微调小型语言模型的技术提供了见解。
排序理由 该集群包含一篇详细介绍现有模型微调实验的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Medium — fine-tuning tag 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →