# GRPO優化

INTELLECT-2是由Prime Intellect發佈的320億參數大語言模型，基於Qwen2架構構建，專注於數學、編碼和邏輯推理任務。

基於Qwen/Qwen3-8B在medmcqa-grpo數據集上微調的版本，專注於醫學選擇題回答任務

E1-Math-1.5B是基於DeepSeek-R1-Distilled-Qwen-1.5B微調的語言模型，支持彈性推理和GRPO方法，適用於預算受限的推演場景。

XiYanSQL-QwenCoder-2504是最新的SQL生成模型，結合微調和GRPO訓練，支持多種方言，具有高效和準確的SQL生成能力。

由騰訊PCG基礎算法中心微調的多模態語言模型，基於Qwen2.5-VL-3B-Instruct優化，在同規模模型中實現多項多模態推理基準的最先進性能

基於多個12B參數規模的大語言模型融合而成，具備文本生成和對話能力

Yehia是一款善解人意的阿拉伯語語言模型，基於ALLaM-7B-Instruct-preview開發，提供體貼、友善且實用的阿拉伯語和英語對話。

基於Qwen2.5-3B-Instruct的強化學習模型，專門用於衝突事件分類，採用GRPO方法優化多獎勵信號和結構化推理格式。