JustRL

JustRL demuestra que un rendimiento competitivo en aprendizaje por refuerzo para modelos de lenguaje pequeños no requiere tuberías complejas de múltiples etapas o horarios dinámicos. Usando una receta mínima con entrenamiento de una sola etapa y hiperparámetros fijos, logramos resultados de vanguardia en tareas de razonamiento matemático. Este repositorio contiene un script de evaluación ligero para reproducir los resultados de evaluación de los modelos JustRL en nueve desafiantes benchmarks matemáticos.