Volver
Modelo
Qwen 0.5B · GRPO maths
Finalidad
¿Puede un modelo pequeño aprender a resolver un problema matemático y a presentar su respuesta? Este Qwen de quinientos millones de parámetros completó una pasada por los problemas de GSM8K. Escribe la solución y reserva una sección para el resultado final. Durante el entrenamiento con GRPO, recompensas específicas comprobaron por separado la respuesta numérica y el formato. Una solución bien presentada puede contener un error de cálculo.
Documentos originales
Fuente original · huggingface.co Qwen2.5-0.5B-InstructCita
Qwen 0.5B · GRPO maths · https://huggingface.co/emre/Qwen-0.5B-GRPO