TasaractDavut Emre Taşar
वापस
मॉडल

गणित के लिए छोटा Qwen मॉडल

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

क्या एक छोटा मॉडल गणित का शाब्दिक प्रश्न हल करना और उत्तर को साफ़ ढंग से पेश करना, दोनों सीख सकता है? आधा अरब पैरामीटर वाले इस Qwen मॉडल ने प्रशिक्षण में GSM8K के सवालों पर एक चक्र पूरा किया। यह हल लिखता है और अंतिम उत्तर अलग खंड में रखता है। GRPO प्रशिक्षण में अलग पुरस्कारों ने संख्यात्मक उत्तर और प्रारूप को अलग-अलग जाँचा। करीने से लिखे हल में भी हिसाब गलत हो सकता 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