mwp_ReFT とは
本企画はオープンソースの研究企画と説明され、深層強化学習で大規模言語モデルを微調整して課題の成績を高め、論文の結果を再現するコードとデータを用意する。
できること
- SFT と ReFT の微調整を実行する
- Online-SL と Offline-SL の自学習を使う
- Top-1、Voting@100、Reranking で評価する
導入の手順
- GitHub から保管庫を複製する
- README の手引きに従い依存を入れる
- 事前学習済みのモデルとチェックポイントを選ぶ
- 訓練または評価のシェル脚本を走らせる
活用場面
- 研究者が GSM8k で Codellama を微調整する
- 開発者が mathqa で Galactica を微調整する
- 研究チームが svamp で ReFT と ReFT-Rerank を試す
長所と短所
✓ 良い点
- 事前学習済みのチェックポイントから複数の段階で始められる
- 結果を再現するコードとデータが用意される
! 注意したい点
- 訓練は README の手引きとシェル脚本に従う
- 利用前に保管庫の複製が必要
よくある質問
基づくモデルは?
Codellama と Galactica が挙がり、Apache 2.0 ライセンスに従う。
どんな評価に対応?
Top-1、Voting@100、Reranking が挙がる。
最終評価日: 2026-11-15
その他 AIコーディングツール ツール
すべて見る →-
100 Vibe Coding 作りながら学ぶ vibe coding 無料ツール エンタープライズツール 開発者ツール API連携 コーディング -
10Web プロンプトから WordPress サイト(ホスティング付き) 無料ツール 開発者ツール ノーコード開発 コーディング サイト構築ツール -
16x Prompt AI コーディングのコンテキスト管理 無料ツール ワークフロー自動化 開発者ツール API連携 コーディング -
a0.dev チャットで作るモバイルアプリをストアへ 無料ツール 開発者ツール ノーコード開発 コーディング アプリ構築ツール -
Adalo ビジュアルキャンバスで作るノーコードアプリ 無料ツール 開発者ツール ノーコード開発 コーディング アプリ構築ツール -
AgentQL 自然言語でウェブからデータを抽出 フリーミアムツール 開発者ツール ブラウザ拡張機能 データ抽出 コーディング