TasaractDavut Emre Taşar
واپس
ماڈل

ریاضی کے لیے چھوٹا Qwen

کیا چھوٹا ماڈل ریاضی کا جواب ترتیب سے لکھ سکتا ہے؟

میں نے Qwen2.5-0.5B-Instruct کو GSM8K کے لفظی مسائل پر GRPO سے مزید تربیت دی۔ درست عددی جواب اور مطلوبہ ساخت کے الگ انعام ہیں۔ ماڈل کارڈ ایک تربیتی دور اور استعمال کی مثال بیان کرتا ہے۔

اصل عنوان

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

ماخذ دستاویزات

اصل ماخذ · huggingface.co huggingface.co
حوالہ

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