TasaractDavut Emre Taşar
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-Instruct
উৎসনির্দেশ

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