Kembali
Model
Qwen kecil untuk soal matematika
Bisakah model kecil menata jawaban matematika?
Bisakah model kecil belajar memecahkan soal cerita matematika sekaligus menyajikan jawabannya dengan rapi? Model Qwen dengan setengah miliar parameter ini berlatih satu putaran pada GSM8K. Model menulis penyelesaian dan menaruh jawaban akhir di bagian tersendiri. Saat pelatihan GRPO, fungsi imbalan khusus memeriksa hasil angka dan format jawaban secara terpisah. Penyelesaian yang rapi tetap bisa mengandung kesalahan hitung.
Judul asli
Qwen-0.5B-GRPO: A Fine-Tuned Math Reasoner
Dokumen sumber
Sumber asli · huggingface.co huggingface.coSitasi
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