GitHub · 灵魂体仓库·· 3 小时前AI 评分47
用 GRPO 从零训练 Qwen2.5-1.5B-Instruct 提升数学推理能力
Vansh8010-boop/grpo-reasoning
来源与原文
GitHub · 灵魂体仓库
发布时间：（北京时间）
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/Vansh8010-boop/grpo-reasoning
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
该开源项目用 PyTorch 从零实现 GRPO 结合 LoRA，训练 Qwen2.5-1.5B-Instruct 解数学题，已完成第 4 周。加 GRPO 后 GSM8K 测试准确率从 75.8% 微降至 75.7%，但留出验证集从 83.4% 升至 88.4%；训练 500 步约需两块 T4 跑 12 小时，评估与训练脚本及各 checkpoint 结果均开源可复现。
来源：GitHub · 灵魂体仓库 · github.com