Это дообученная модель Qwen3-0.6B от автора репозитория hang010412: базовую языковую модель Qwen/Qwen3-0.6B-Base сначала обучили на примерах GSM8K методом SFT, затем оптимизировали методом GRPO. Итоговая версия предназначена для генерации ответов на математические задачи с соблюдением заданного формата ответа.

Модель содержит около 508 млн параметров, использует плотную архитектуру Qwen3ForCausalLM и принимает текст. Контекст составляет до 32 768 токенов. В описанном эксперименте точность точного числового ответа выросла с 22% у базовой модели до 47% у итоговой версии, а доля ответов в требуемом формате — до 75%. Эти результаты получены на фиксированной выборке из 100 вопросов GSM8K и не являются оценкой на полном бенчмарке.

Модель подходит для экспериментов с решением арифметических текстовых задач и форматированием ответов. Обучающий корпус в репозитории не распространяется. Лицензия — Apache-2.0.