# NormTune به بهبود ریزتنظیم کم‌هزینه برای ریاضی و استدلال کمک می‌کند

> پژوهشگران با افزودن گامی مبتنی بر نُرم به ریزتنظیم کم‌پارامتر، فاصله عملکرد را در چند آزمون استدلال با ریزتنظیم کامل از میان بردند.

Oossa · 2026-10-22 · https://oossa.com/fa/normtune-improves-cheap-fine-tuning-for-math-and-reasoning-tasks

مقاله NormTune یک افزونه ساده برای ریزتنظیم کم‌پارامتر (PEFT) پیشنهاد می‌کند. این روش میزان تغییر وزن‌های هر لایه را بررسی می‌کند و به لایه‌هایی که تغییر کمی دارند، وزن بیشتری می‌دهد. افزودن NormTune به روش‌های رایج PEFT مانند LoRA، Bone و MoRA، دقت میانگین را در آزمون‌های دشوار استدلالی مثل AIME و MATH تا 24 ٪ افزایش داد. در رتبه بالاتر (256)، روش‌های تقویت‌شده با NormTune به عملکرد ریزتنظیم کامل رسیدند و گاهی چند درصد هم از آن بهتر عمل کردند.

## حقایق

- NormTune به LoRA با رتبه 8 در AIME 2024، MATH 500، GPQA و AIME 2025، میانگین بهبود 24.24% داد.
- در 2026-10-22 منتشر شده است (arXiv:2610.29134).

## چرا مهم است

این روش به پژوهشگران و توسعه‌دهندگان امکان می‌دهد در کارهای استدلالی، با زمان و حافظه بسیار کمترِ GPU، به دقتی نزدیک به ریزتنظیم کامل مدل برسند.

## منابع و ارجاع‌ها

1. [NormTune: Norm-Guided Parameter-Efficient Fine-Tuning for Reasoning-Intensive Tasks](https://arxiv.org/abs/2610.29134) – arXiv, 2026-10-22

آخرین به‌روزرسانی: 2026-10-22