🐙 Репозиторий GitHub: https://github.com/MiniMax-AI/SynLogic 📜 Бумага (arXiv): https://arxiv.org/abs/2505.19641 🤗 Набор данных:** SynLogic on Hugging Face Zero-Mix-3 — это усовершенствованная многодоменная модель рассуждения, обученная с использованием Zero-RL (обучение с подкреплением с нуля) на разнообразной смеси логических рассуждения, математические данные и кодирование. Эта модель, созданная на базе Qwen2.5-32B-Base, демонстрирует возможности объединения различных поддающихся проверке задач на рассуждение в единой системе обучения. Многодоменное обучение: Совместное обучение логическому рассуждению (SynLogic), математике и задачам кодирования. Обучение с нулевым RL: Обучение на основе базовой модели без настройки инструкций, с использованием чистого обучения с подкреплением. Разнообразная смесь данных: 35 тыс. математических образцов + 9 тыс. образцов кодирования + 17 тыс. образцов SynLogic. Расширенное обобщение: превосходный междоменный перенос по сравнению с обучением в одной области. Ключевые достижения: — Соответствует или превосходит DeepSeek-R1-Distill-Qwen-32B на KOR-Bench и BBEH (+9,4 балла) — превосходит DeepSeek-R1-Zero-Qwen-32B на LiveCodeBench и GPQA-Diamond (+2,5 балла) Базовая модель: Qwen2.5-32B-Базовый алгоритм обучения: GRPO (оптимизация групповой относительной политики) Данные обучения:** — 35 тысяч математических рассуждений…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: MiniMaxAI
Теги: qwen2, LLM, conversational, en, text-generation-inference, endpoints_compatible
Лайков: 18 | Загрузок: 179
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
