Show HN：LLMの後学習でZ世代のように話す、コーヒー1杯未満のコスト

Qwen2.5-0.5B-Instructをベースに、SFTとGRPO強化学習を用いてZ世代のスラングで応答するように後学習したモデル。学習コストは2ドル未満、Google Colabで3〜4時間。合成データを使用し、SFTのみでもZ世代風のテキストを生成できるが、RL学習によってキーワード出現頻度がわずかに向上する可能性がある。