TasaractDavut Emre Taşar
返回
模型

小型 Qwen 数学推理模型

小模型能学会有条理地写出数学解答吗?

小模型能否既学会解数学应用题,也学会清楚地写出答案?这个 5 亿参数的 Qwen 模型在 GSM8K 上训练了一个轮次。它先写出解题过程,再把最后的答案放在独立的小节里。GRPO 训练使用定制的奖励分别检查数值结果和回答格式。即便作答格式整齐,也仍然可能算错。

原文标题

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

原始文献

原始来源 · huggingface.co huggingface.co
引用信息

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