burny_tech开源JEPA至GRPO训练配方

burny_tech公开了“JEPA→GRPO”两阶段训练配方、阶段一 checkpoint 和两个开源模型：基于约3.2万条已验证数学 CoT 轨迹训练的 Qwen2.5-Math-1.5B JEPA 预训练模型，以及约3B、面向医学教育的 granite-4.0-micro-OpenMed，后者以 Apache-2.0 协议开源。 该管线先进行 JEPA 预训练或 SFT，再以阶段一 checkpoint 初始化普通 GRPO 强化学习。granite-4.0-micro-OpenMed 使用 medmcqa-hard 和 personas 增强数据进行 JEPA-LLM SFT，随后完成 GRPO，并通过 Arcee Fusion 合并回 IBM 基座，以提升医学教育与指令跟随能力。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。