Un fine-tuning RL à 500$ sur un modèle 9B surpasse les modèles frontier

Une expérience démontre qu'un fine-tuning par reinforcement learning (RL) d'un modèle de 9 milliards de paramètres pour un coût de 500$ surpasse les modèles frontier actuels sur la tâche spécifique du catalog review. Cette performance suggère que des méthodes d'alignement ciblées peuvent compenser la disparité de taille de modèle sur des cas d'usage précis.