One-Shot-RLVR-Qwen2.5-Math-1.5B-pi1

Это дообученная модель Qwen2.5-Math-1.5B от ypwang61, представленная в работе «Reinforcement Learning for Reasoning in Large Language Models with One Training Example». Она предназначена для генерации текста и решений математических задач; дообучение выполнено методом RLVR на наборе One-Shot-RLVR-Datasets с одним обучающим примером.

Модель имеет плотную архитектуру Qwen2, содержит 1,5 млрд параметров и использует Transformers и формат Safetensors. Максимальный нативный контекст — 4096 токенов. Базовая модель рассчитана на математику на английском и китайском языках; отдельные языковые характеристики производной модели в карточке не описаны.

Модель распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или подробностей о границах применения, поэтому численные заявления о её точности сделать нельзя.