本模型是基于Meta的Llama-3.1架构微调的文本生成模型，使用TRL库和GRPO（Group Relative Policy Optimization）方法进行强化学习训练，专门针对论证生成任务进行了优化。

自然语言处理Transformers

Qwen-1.5B_THIP是基于DeepSeek-R1-Distill-Qwen-1.5B在DeepMath-103k数学数据集上使用TRL框架进行GRPO方法微调的数学推理模型。该模型专门针对数学问题解决进行了优化，具备较强的数学推理能力。

自然语言处理Transformers

GTA1是基于GRPO强化学习训练的GUI接地模型，专门用于图形用户界面自动化操作。相较于依赖冗长思维链推理的方法，GRPO直接激励可操作和有根据的响应，在多个基准测试中表现出卓越的接地性能。

多模态Transformers英语

基于Arcee的AFM-4.5B的轻量级医疗微调模型，采用三阶段训练方法（SFT→DPO→GRPO-CoT）进行优化，专门用于医疗教育和研究场景。

自然语言处理Transformers支持多种语言

GTA1是基于强化学习（GRPO）训练的最先进GUI接地模型，专门用于图形用户界面自动化任务。与依赖冗长思维链推理的方法不同，GRPO直接激励可操作和有根据的响应，在多个挑战性数据集上展示了卓越的接地性能和代理性能。

多模态Transformers英语

基于microsoft/phi-4（14B）基础模型的三阶段训练GRPO推理测试模型，通过SFT→RLHF→SFT流程微调，具备优秀的多步推理能力

自然语言处理Transformers支持多种语言

MedGemma-GRPO是MEDGemma模型的微调版本，专为临床病例推理任务设计。该模型结合监督微调（SFT）和组相对策略优化（GRPO），旨在引导模型遵循逻辑诊断路径，在合成医疗案例数据集上训练，特别适用于复杂心血管、血栓和自身免疫性疾病的诊断推理。

自然语言处理Transformers英语

这是一个专门针对印尼法律领域优化的语言模型，基于DeepSeek-R1-0528-Qwen3-8B使用GRPO方法在印尼法律问答数据集上微调而成，专注于提升法律推理和结构化思维能力。

自然语言处理Transformers

该模型是基于DeepSeek-R1-0528-Qwen3-8B的微调版本，使用TRL和GRPO方法进行训练，专注于数学推理能力的提升。

自然语言处理Transformers支持多种语言

Magistral-Small-2506-Vision 是一个基于 Mistral Small 3.1 进行 GRPO 训练的推理微调版本，具备视觉能力的实验性检查点。

多模态Safetensors支持多种语言

GTA1是基于强化学习（GRPO）训练的最先进GUI定位模型，通过直接激励可操作响应而非冗长推理，实现精准界面元素定位。

多模态Transformers

这是一个基于Qwen-14B模型微调的版本，使用GRPO方法进行训练，适用于文本生成任务。

自然语言处理Transformers

GTA1是一个基于强化学习（GRPO）的GUI定位模型，通过直接奖励成功点击来实现精准定位，避免冗长的思维链推理。

多模态Transformers

J-1是基于Gemma 3 4-B模型，使用GRPO方法在意大利语数学和推理问题上进行训练的推理模型。在Invalsi ITA测试数据集上，性能从基础模型的57%提升到了79%，显著提升了意大利语推理能力。

自然语言处理Transformers其他

INTELLECT 2是由PrimeIntellect推出的大语言模型，支持40960 tokens的上下文长度，采用QwQ架构和GRPO强化学习框架训练。

自然语言处理Gguf

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。

自然语言处理Transformers

本模型是基于Qwen/Qwen3-4B在medmcqa-grpo数据集上使用GRPO方法微调得到的医疗问答大语言模型。它专门针对医学选择题场景进行优化，具备较强的医学推理能力。

自然语言处理Transformers

基于Qwen2.5-7B-Instruct微调的越南语检索增强生成(RAG)专用大模型，采用GRPO优化方法训练

自然语言处理Transformers其他

XiYanSQL-QwenCoder-3B-2504是XGenerationLab发布的最新SQL生成模型，通过微调和GRPO训练优化，支持多种方言，具有高效准确的SQL生成能力。

自然语言处理Safetensors支持多种语言

析言SQL-QwenCoder-2504是最新的SQL生成模型，结合微调与GRPO训练，在SQL生成上兼具效率与准确性，支持多方言，开箱即用，在不同方言和域外数据集上表现出色。

自然语言处理Safetensors支持多种语言