— Платформа: Unsloth — Набор данных: nvidia/OpenScienceReasoning-2 — Примеры: ~11 000 — Эпохи: 1 — Всего шагов: 1375 — Размер пакета на устройство: 2 — Шаги накопления градиента: 4 — Эффективный размер пакета: 8 — Обучаемые параметры: ~20M (LoRA / PEFT с интеллектуальной разгрузкой Unsloth) — Оптимизатор: AdamW — Скорость обучения: 2e-4 — Спад веса: 0,01 — Планировщик LR: косинус с прогревом — Аппаратное обеспечение: один графический процессор (включена разгрузка Unsloth) Задачи для научного рассуждения Образовательные вопросы и ответы Пошаговое решение логических задач** ⚠️ Отказ от ответственности: не предназначен для принятия клинических или юридических решений. LiquidAI для LFM2-2.6B NVIDIA для OpenScienceReasoning-2 Unsloth** для эффективной тонкой настройки с градиентной разгрузкой
Модальности:
Генерация текста
Области применения:
Логика и рассуждение Диалог / чат
Задача: Генерация текста
Автор: yasserrmd
Теги: lfm2, scientific-reasoning, chain-of-thought, unsloth, causal-lm, instruction-tuned, reasoning, conversational
Лайков: 7 | Загрузок: 6
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
