Дообученная методом GRPO модель Qwen3-1.7B для пошагового решения арифметических и математических задач.

Подходит для: решение текстовых арифметических задач уровня GSM8K · пошаговое решение задач из математических тестов · генерация нескольких вариантов решения для выбора ответа