delphi-1e22-p33m67-rl-xorl-rlvr7500_w1-think-146-10B
kiddyboots216·Генерация текста
Плотная Qwen3 на 9,2 млрд параметров, дообученная GRPO для решения математических задач с пошаговым рассуждением.
Подходит для: решение математических задач с проверяемым ответом · генерация пошаговых рассуждений по математическим задачам · эксперименты с обучением языковых моделей методом GRPO
Загрузки на Hugging Face · 6Лайки · 0Контекст · 4 096 токеновВыход на Hugging Face · 3 июл 2026