TasaractDavut Emre Taşar
Voltar
Modelo

Qwen 0.5B · GRPO maths

Finalidade

Um modelo pequeno pode aprender a resolver um problema de matemática escrito por extenso e a apresentar sua resposta? Este Qwen de meio bilhão de parâmetros fez uma passagem pelos problemas do GSM8K. Ele escreve a solução e reserva uma seção para o resultado final. No treinamento com GRPO, recompensas específicas verificaram separadamente a resposta numérica e o formato. Uma solução bem apresentada ainda pode conter um erro de cálculo.

Documentos originais

Fonte original · huggingface.co Qwen2.5-0.5B-Instruct
Como citar

Qwen 0.5B · GRPO maths · https://huggingface.co/emre/Qwen-0.5B-GRPO