swagger00/Qwen3-8B-GRPO-GSM8K — языковая модель на архитектуре Qwen3, дообученная разработчиком с помощью GRPO и LoRA на наборе задач GSM8K; веса LoRA объединены с базовой моделью Qwen/Qwen3-8B. Модель содержит 7,6 млрд параметров и принимает текстовый диалоговый ввод, генерируя текстовые ответы. Указанный для базовой модели контекст составляет 40 960 токенов. Модель предназначена прежде всего для решения математических задач начального и среднего школьного уровня с пошаговыми рассуждениями и вычислениями.

В README приведена точность 72,33% для выбранного чекпойнта на GSM8K; автор сообщает, что при выборе чекпойнта использовалась тестовая выборка GSM8K как валидационная, поэтому эта оценка не является независимой оценкой обобщения. Лицензия в предоставленных данных не описана.