qwen3.5-4b-8k-grpo-overlong-penalty-awareshrimp-s300
budget-internalization-iclr2027·Изображение → текст
Дообученная Qwen3.5-4B для математических рассуждений с ограничением генерации в 8 192 токена.
Подходит для: Пошаговое решение математических задач · Формирование ответа к задаче в тегах \boxed{} · Эксперименты с математическим рассуждением при ограниченном бюджете генерации
Загрузки на Hugging Face · 27Лайки · 0Контекст · 262 144 токеновВыход на Hugging Face · 23 сен 2026