# GRPO优化

INTELLECT-2是由Prime Intellect发布的320亿参数大语言模型，基于Qwen2架构构建，专注于数学、编码和逻辑推理任务。

基于Qwen/Qwen3-8B在medmcqa-grpo数据集上微调的版本，专注于医学选择题回答任务

E1-Math-1.5B是基于DeepSeek-R1-Distilled-Qwen-1.5B微调的语言模型，支持弹性推理和GRPO方法，适用于预算受限的推演场景。

XiYanSQL-QwenCoder-2504是最新的SQL生成模型，结合微调和GRPO训练，支持多种方言，具有高效和准确的SQL生成能力。

由腾讯PCG基础算法中心微调的多模态语言模型，基于Qwen2.5-VL-3B-Instruct优化，在同规模模型中实现多项多模态推理基准的最先进性能

基于多个12B参数规模的大语言模型融合而成，具备文本生成和对话能力

Yehia是一款善解人意的阿拉伯语语言模型，基于ALLaM-7B-Instruct-preview开发，提供体贴、友善且实用的阿拉伯语和英语对话。

基于Qwen2.5-3B-Instruct的强化学习模型，专门用于冲突事件分类，采用GRPO方法优化多奖励信号和结构化推理格式。