低资源环境部署

Qwen_0.5b__GRPO是基于阿里巴巴云Qwen-0.5b轻量级语言模型的数学推理专项优化项目，采用强化学习算法GRPO（Group Relative Policy Optimization）进行训练。 该项目针对gsm8k数学数据集优化，支持vllm加速推理，显著提升数学问题解决的准确率和训练效率。作为仅494M参数的小规模模型，它能在资源受限环境中高效运行， 特别适合生成数学问题的分步推理过程和最终答案，是教育及研究场景的理想轻量化工具。