TasaractDavut Emre Taşar
Volver
Modelo

Qwen-0.5B con GRPO

¿Puede un modelo pequeño estructurar la respuesta a un problema matemático?

¿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.

Título original

Qwen-0.5B-GRPO: A Fine-Tuned Math Reasoner

Documentos originales

Fuente original · huggingface.co huggingface.co
Cita

Davut Emre Taşar · Qwen-0.5B-GRPO: A Fine-Tuned Math Reasoner · 2025 · emre/Qwen-0.5B-GRPO · https://huggingface.co/emre/Qwen-0.5B-GRPO