ফিরে যান
মডেল
Qwen 0.5B · GRPO maths
উদ্দেশ্য
GRPO দিয়ে অভিযোজিত Qwen গণিতের প্রশ্নের কাঠামোবদ্ধ সমাধান তৈরি করে।
উৎস নথি
মূল উৎস · huggingface.co Qwen2.5-0.5B-Instructউৎসনির্দেশ
Qwen 0.5B · GRPO maths · https://huggingface.co/emre/Qwen-0.5B-GRPO
GRPO দিয়ে অভিযোজিত Qwen গণিতের প্রশ্নের কাঠামোবদ্ধ সমাধান তৈরি করে।
Qwen 0.5B · GRPO maths · https://huggingface.co/emre/Qwen-0.5B-GRPO