https://huggingface.co/collections/open-r1/reasoning-datasets

работа над конструктором ревардов) пока еще много тестов впереди думаю что по-дефолту будет возможность врубить одним кликом дотюн на gsm8k…

ну что GRPO все еще делается скринчик где у нас Qwen 2.5 1.5B на 2к макс контекста учится. ревардики растут потихонечку) это на gsm8k-ru

скоро будет полный цикл

+ в ближайшее время буду делать расширенную версию инструкции по использованию, мб картинок и скринов добавлю чтобы прям суперпонятно было

GRPO в процессе тут очень много всего нужно настроить, удобно реализовать поддержку своих ревард функций и возможность их удобно конструировать много разных…