Jason-hu/Qwen2.5-3B-GSM8K-GRPO-H200

Qwen2.5-3B-GSM8K-SFT

这是一个基于 Qwen2.5-3B-Instruct 构建的数学微调模型，使用了 verl 框架在 GSM8K 数据集上进行了 LoRA SFT。