Qwen2 0.5B Reward

🚀 Qwen2-0.5B-Reward

Qwen2-0.5B-Reward 是基於 Qwen/Qwen2-0.5B-Instruct 微調得到的模型，在未知數據集上進行了訓練。該模型在評估集上取得了一定的效果，如損失值為 0.5182，準確率達到 0.728。

🚀 快速開始

本部分暫未提供相關快速開始的內容。

✨ 主要特性

本模型是 Qwen/Qwen2-0.5B-Instruct 的微調版本，在評估集上有如下表現：

• 損失值（Loss）：0.5182
• 準確率（Accuracy）：0.728

📚 詳細文檔

訓練和評估數據

相關信息暫未提供。

模型描述

相關信息暫未提供。

預期用途與限制

相關信息暫未提供。

🔧 技術細節

訓練超參數

訓練過程中使用了以下超參數：

• 學習率（learning_rate）：1e-05
• 訓練批次大小（train_batch_size）：8
• 評估批次大小（eval_batch_size）：8
• 隨機種子（seed）：42
• 分佈式類型（distributed_type）：多 GPU（multi-GPU）
• 設備數量（num_devices）：8
• 總訓練批次大小（total_train_batch_size）：64
• 總評估批次大小（total_eval_batch_size）：64
• 優化器（optimizer）：Adam，β1 = 0.9，β2 = 0.999，ε = 1e-08
• 學習率調度器類型（lr_scheduler_type）：線性（linear）
• 訓練輪數（num_epochs）：1.0

訓練結果

框架版本

• Transformers：4.44.2
• Pytorch：2.4.0+cu121
• Datasets：2.21.0
• Tokenizers：0.19.1

📄 許可證

本項目採用 Apache-2.0 許可證。