TasaractDavut Emre Taşar
Назад
Модель

Малая модель Qwen для математических рассуждений

Может ли небольшая модель последовательно изложить решение?

Может ли небольшая модель научиться и решать текстовые задачи по математике, и оформлять ответ? Эта Qwen на полмиллиарда параметров прошла один цикл обучения на GSM8K. Она записывает решение и выносит итоговый ответ в отдельный раздел. При обучении с GRPO специальные функции вознаграждения оценивали числовой результат и формат по отдельности. Даже аккуратно оформленное решение может содержать ошибку в вычислениях.

Оригинальное название

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

Первичные документы

Первоисточник · huggingface.co huggingface.co
Библиографическая ссылка

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