> [!Внимание] > > > 🚨 NFT-32B специально разработан для решения математических задач. Мы не рекомендуем использовать эту модель для общего разговора или нематематических задач. > > Хуаюй Чэнь, Кайвэнь Чжэн, Циньшэн Чжан, Ганьцюй Цуй, Инь Цуй, Хаотянь Е, Цун-И Линь, Мин-Ю Лю, Цзюнь Чжу, Хаосян Ван [Документ] | [Блог] | [Код] | [Набор данных] | [Модели] | [Цитата] NFT-32B — это математическая модель рассуждения, доработанная на основе Qwen2.5-32B с использованием алгоритма точной настройки с учетом негативных последствий (NFT). NFT — это контролируемый подход к обучению, который позволяет магистрантам размышлять о своих неудачах и совершенствоваться самостоятельно, без внешних учителей. В отличие от традиционных контролируемых методов, которые отбрасывают неправильные ответы, NFT создает неявную негативную политику для моделирования этих сбоев и обучения на них, достигая производительности, сравнимой с ведущими алгоритмами RL, такими как GRPO и DAPO. Эта более крупная модель 32B демонстрирует сильные свойства масштабирования, обеспечивая существенные улучшения в математических рассуждениях, сохраняя при этом эффективность контролируемых методов обучения. Эта модель выпущена по некоммерческой лицензии NVIDIA. Модель предназначена только для исследований и разработок. — НФТ-7Б:…
Модальности:
Генерация текста
Области применения:
Математика Логика и рассуждение Диалог / чат
Задача: Генерация текста
Автор: nvidia
Теги: qwen2, nvidia, math, reasoning, post-training, qwen, conversational, en
Лайков: 8 | Загрузок: 30
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
