Qwen3基础模型经GRPO微调后MATH-500准确率提升

发生了什么

据X平台用户@rasbt发布的信息，Qwen3基础模型在经过50步GRPO（分组拒绝策略优化）微调后，其MATH-500评测准确率从约15%提升至约50%。该观点认为，Qwen3基础模型本身已具备解决MATH-500问题的能力，此次权重调整可能主要改善了模型的指令遵循能力，而非实际知识储备。