Lập trình viên mã nguồn mở phát hành bản tinh chỉnh Qwen-27B chống ngôn từ rập khuôn bằng học tăng cường
Một lập trình viên mã nguồn mở độc lập đã áp dụng phương pháp học tăng cường (RL), lấy cảm hứng từ phương pháp luận RL XAR của Meta, để tinh chỉnh mô hình ngôn ngữ Qwen-27B nhằm loại bỏ phong cách viết lặp đi lặp lại và mang tính máy móc của AI. Mô hình kết quả, Qwen3.8-27B-antislop, đã đạt thứ hạng top 4 trên bảng xếp hạng EQ-Bench. Dự án này chứng minh rằng việc học tăng cường do cộng đồng thúc đẩy có thể khắc phục hiệu quả các nhược điểm viết lách phổ biến của AI mà không cần cơ sở hạ tầng doanh nghiệp quy mô lớn. Nó cung cấp cho người dùng một biến thể mô hình cục bộ tự nhiên hơn, có hiệu suất cao hơn ở cả định dạng trọng số BF16/MXFP4 và GGUF. Mô hình được huấn luyện để giải quyết tình trạng câu cú cẩu thả và dễ đoán, mang lại phong cách tạo văn bản hấp dẫn hơn đáng kể và đạt điểm cao ở top đầu của EQ-Bench. Các tệp trọng số GGUF đã chuyển đổi trước và tệp mô hình gốc được chia sẻ công khai trên Hugging Face dành cho những người đam mê chạy mô hình cục bộ.
## KIẾN THỨC NỀN
Học tăng cường (RL) trong các mô hình ngôn ngữ lớn liên quan đến việc huấn luyện mô hình bằng cách sử dụng các tín hiệu phần thưởng để căn chỉnh đầu ra của chúng với sở thích của con người ngoài việc tinh chỉnh có giám sát tiêu chuẩn. EQ-Bench là một tiêu chuẩn đánh giá nhằm đo lường các năng lực phức tạp như trí tuệ cảm xúc, cách xử lý các đặc điểm người dùng đối kháng và điều hướng các động lực quyền lực phức tạp.