Tinyv 1.5B

🚀 TinyV

TinyVは、効率的な強化学習（RL）の事後学習のための報酬システムです。現在のルールベースの検証器における偽陰性を検出し、RL学習中に小型の大規模言語モデル（LLM）を介してより正確な報酬信号を提供します。実験によると、TinyVはわずか6%の追加計算コストしかかからず、RLの効率と最終的なモデル性能を大幅に向上させます。

🚀 クイックスタート

このモデルは、zhangchenxu/TinyV_Training_Data_BalancedデータセットでQwen/Qwen2.5 - 1.5B - Instructをファインチューニングしたバージョンです。

概要

使い方

詳細については、コードベースhttps://github.com/uw-nsl/TinyVを参照してください。

関連リンク

• 📄 技術レポート - 偽陰性分析とTinyVの理論的洞察を含む
• 💪 Githubリポジトリ - TinyVを介したより効率的なRL学習の完全パイプラインにアクセス
• 🤝 HFコレクション - 学習データ、ベンチマーク、モデルアーティファクト

🔧 技術詳細

学習ハイパーパラメータ

学習中に使用されたハイパーパラメータは以下の通りです。

• learning_rate: 1e-05
• train_batch_size: 8
• eval_batch_size: 8
• seed: 42
• distributed_type: multi - GPU
• num_devices: 8
• gradient_accumulation_steps: 8
• total_train_batch_size: 512
• total_eval_batch_size: 64
• optimizer: betas=(0.9,0.999)、epsilon=1e-08のadamw_torchを使用。optimizer_args=追加のオプティマイザ引数なし
• lr_scheduler_type: cosine
• lr_scheduler_warmup_ratio: 0.1
• num_epochs: 2.0

フレームワークバージョン

• Transformers 4.48.3
• Pytorch 2.5.0
• Datasets 3.2.0
• Tokenizers 0.21.0

📄 ライセンス

このライブラリはApache - 2.0ライセンスの下で提供されています。