Экспериментальная модель на базе Qwen2.5-0.5B-Instruct для генерации решений математических задач, обученная методом on-policy distillation.

Подходит для: генерация решений задач GSM8K · эксперименты с математическими рассуждениями малой языковой модели · сравнение on-policy distillation с базовой моделью