واپس
ماڈل
ریاضی کے لیے چھوٹا Qwen
کیا چھوٹا ماڈل ریاضی کا جواب ترتیب سے لکھ سکتا ہے؟
کیا ایک چھوٹا ماڈل ریاضی کا لفظی سوال حل کرنا اور جواب کو ترتیب سے پیش کرنا، دونوں سیکھ سکتا ہے؟ نصف ارب پیرامیٹر والے اس Qwen ماڈل نے تربیت میں GSM8K کے سوالات کا ایک دور مکمل کیا۔ یہ حل لکھتا ہے اور آخری جواب الگ حصے میں رکھتا ہے۔ GRPO تربیت میں عددی جواب اور اس کی پیشکش کو الگ انعامات سے جانچا گیا۔ صاف ستھرے حل میں بھی حساب کی غلطی ہو سکتی ہے۔
اصل عنوان
Qwen-0.5B-GRPO: A Fine-Tuned Math Reasoner
ماخذ دستاویزات
اصل ماخذ · huggingface.co huggingface.coحوالہ
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