Fleming-R1 — это модель рассуждений для медицинских сценариев, которая может выполнять пошаговый анализ сложных проблем и давать надежные ответы. Модель следует парадигме обучения «холодный старт по цепочке мыслей» плюс крупномасштабное обучение с подкреплением. На нескольких медицинских тестах версия 7B достигает SOTA среди моделей аналогичного размера; версия 32B работает близко к гораздо большему GPT-OSS-120B и показывает более сильные результаты в китайских задачах. Стратегия данных, ориентированная на рассуждения Сочетает общедоступные медицинские наборы данных с графиками знаний для улучшения охвата редких заболеваний, лекарств и цепочек рассуждений с несколькими переходами; Цепочка мыслей холодного старта Использует высококачественные трассировки рассуждений, полученные из моделей учителей, для руководства моделью в изучении основных моделей рассуждений; Двухэтапное обучение с подкреплением** Использует адаптивный жесткий негативный майнинг для усиления рассуждений модели при столкновении со сложными проблемами. — Fleming-R1-7B — Тренировался на Qwen2.5-7B 🤗 UbiquantAI/Fleming-R1-7B — Fleming-R1-32B — Тренировался на Qwen3-32B 🤗 UbiquantAI/Fleming-R1-32B По тесту MedXpertQA, который оценивает способность к медицинскому мышлению, Fleming-R1 превосходит модели аналогичных и даже больших размеров и…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: IQuestLab
Теги: qwen2, conversational, text-generation-inference, endpoints_compatible
Лайков: 4 | Загрузок: 256
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
