AI এবং বিশ্বের কঠিন সমস্যাগুলো · পদার্থবিজ্ঞান · arXiv · 2026-10-22

কোয়ান্টাম ফিল্ড থিওরির জন্য স্মল রিজনিং মডেলের ফাইন-টিউনিং

মূল শিরোনাম: Fine-Tuning Small Reasoning Models for Quantum Field Theory

তাত্ত্বিক পদার্থবিজ্ঞানের যাচাইযোগ্য সমস্যা-সমাধানের কাজগুলিতে LLM-এর জন্য রিইনফোর্সমেন্ট লার্নিং (RL) ও সুপারভাইজড ফাইন-টিউনিং (SFT)-এর প্রথম একাডেমিক তুলনা গবেষকেরা সম্পাদন করেছেন, প্রধান ডোমেন হিসেবে বেছে নিয়েছেন কোয়ান্টাম ফিল্ড থিওরি (QFT)। যাচাইযোগ্য প্রশিক্ষণ ডেটার অভাব থাকায় তাঁরা একটি ডেটা জেনারেশন পাইপলাইন তৈরি করেছেন, যা 2,500-এর বেশি সিনথেটিক সমস্যা তৈরি করে এবং arXiv ও মানসম্মত শিক্ষাদান সম্পদ থেকে পাওয়া বিদ্যমান মানবনির্মিত সমস্যাগুলিকে প্রশিক্ষণের উপযোগী করে। উভয় পদ্ধতিই প্রতিটি ডেটাসেটে বেস মডেলের তুলনায় উন্নতি করে, তবে SFT-এর লাভ ইন-ডিস্ট্রিবিউশন সিনথেটিক কাজগুলিতে সীমাবদ্ধ থাকে, অন্যদিকে RL সাধারণীকরণে ভালো এবং মানব-অভিযোজিত ডেটাসেট ও TPBench-এ SFT-কে ছাড়িয়ে যায়; এছাড়া গবেষকেরা তাঁদের ডেটা পাইপলাইন, যাচাইযোগ্য QFT প্রশিক্ষণ ডেটা এবং প্রায় 200M টোকেনের QFT রিজ়নিং ট্রেস প্রকাশ করেছেন, সঙ্গে রয়েছে প্রশিক্ষণের সময় chain-of-thought ত্রুটিগুলি কীভাবে বিবর্তিত হয় সে বিষয়ে একটি বিশ্লেষণ।

মূল লেখা পড়ুন ↗

সব আইটেম →