Downloads · 30 days
11
21% of all-time downloads
katsukiono/gemma3-270m-kana-grpo
gemma3-270m-kana-grpo is a machine learning model from katsukiono. Use it for the machine learning task on the model card, and read the license before you ship it in a product. The card lists the license as other.
SFT / DPO モデルを起点に、 GRPO(RL系手法)で形式・重複・語彙制約を報酬関数として 最適化することを試みた実験的モデルです。
Downloads · 30 days
11
21% of all-time downloads
All-time downloads
52
Public
Parameters
268M
1.1 GB on disk
Likes
0
Public
Click a slice to open those files.
.safetensors1.1 GB · 96%
From the Hugging Face model README
SFT / DPO モデルを起点に、 GRPO(RL系手法)で形式・重複・語彙制約を報酬関数として 最適化することを試みた実験的モデルです。
Base model:
Initialization:
Training:
Prompt(固定):
キーボードの予測変換として以下のかなをn個の単語に予測変換してください。必ず単語のみを予測してlist形式で返してください。
出力形式
[候補1, 候補2, 候補3...候補10]
ーーーー以下が予測変換対象ーーーー
<かな>
推奨推論設定:
学習の概要:
注意事項:
License / Credits: