TasaractDavut Emre Taşar
Volver
Modelo

Qwen-0.5B con GRPO

¿Puede un modelo pequeño estructurar la respuesta a un problema matemático?

Adapté Qwen2.5-0.5B-Instruct a problemas matemáticos de GSM8K. El ajuste recompensa por separado la respuesta numérica correcta y el cumplimiento de la estructura pedida. Los pesos son públicos.

Título original

Qwen-0.5B-GRPO: A Fine-Tuned Math Reasoner

Documentos originales

Fuente original · huggingface.co huggingface.co
Cita

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