guido-0.5b-grpo-step380
BossCalabrese·reinforcement learning
Чекпойнт Guido, дообученный методом GRPO для генерации решений математических задач и оценённый на MATH500, GSM8K и AIME.
Подходит для: генерация решений задач из MATH500 · решение школьных задач по математике из GSM8K · генерация ответов на задачи AIME
Загрузки на Hugging Face · 0Лайки · 0Выход на Hugging Face · 15 июл 2026