TasaractDavut Emre Taşar
वापस
मॉडल

गणित के लिए छोटा Qwen मॉडल

क्या छोटा मॉडल गणित का उत्तर क्रम से लिख सकता है?

मैंने GSM8K के शब्द-प्रश्नों पर Qwen2.5-0.5B-Instruct को GRPO से प्रशिक्षित किया। संख्यात्मक शुद्धता और निर्देशित उत्तर प्रारूप के अलग पुरस्कार हैं। मॉडल कार्ड में एक प्रशिक्षण चक्र और उपयोग का उदाहरण है।

मूल शीर्षक

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

स्रोत दस्तावेज़

मूल स्रोत · huggingface.co huggingface.co
उद्धरण

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