whysue/simple_GRPO

license: mit base_model：

• Qwen/Qwen2.5-7B

---

参考simple_GROP项目训练的模型，GSM8K，训练了200个step，出现了一次however。 使用了3张A800 80G，训练了20多分钟

训练结果：

loss

GPU

memory

---

测试结果

demo_math_chat_gen(simple_GRPO_why) demo_math_chat_gen(Qwen2.5-7B) notice

在GSM8K上进行评估，Qwen2.5-7B的得分为85.4。原因可能是是https://github.com/open-compass/opencompass/issues/1878

---