TasaractDavut Emre Taşar
ارجع
نموذج

Qwen 0.5B · GRPO maths

الهدف

هل موديل صغير يقدر يتعلّم يحلّ مسألة حساب كلامية ويعرض الإجابة بشكل مرتب؟ موديل Qwen ده فيه نص مليار بارامتر واتدرّب مرة واحدة على مسائل GSM8K. بيكتب الحل وبيحط الإجابة النهائية في جزء لوحدها. في تدريب GRPO، مكافآت مخصوصة كانت بتراجع النتيجة الرقمية وشكل الإجابة كل واحد لوحده. الحل ممكن شكله يبقى مرتب وبرضه فيه غلطة حساب.

الوثائق الأصلية

المصدر الأصلي · huggingface.co Qwen2.5-0.5B-Instruct
مرجع الاقتباس

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