Дообученная методом GRPO модель Dobby на базе Qwen2.5-3B для генерации ответов на математические задачи и экспериментов с RLVR.
Подходит для: решение текстовых арифметических задач GSM8K · ответы на задачи математических соревнований MATH · эксперименты с обучением языковых моделей методом RLVR