VladShash/deepseek-math-7b-lean-prover-dpo-olmo-3 - Каталог нейросетей
Генерация текста

VladShash/deepseek-math-7b-lean-prover-dpo-olmo-3

Добавлено:
VladShash/deepseek-math-7b-lean-prover-dpo-olmo-3

This model is a fine-tuned version of formalmathatepfl/deepseek-math-7B-finetuned. It has been trained using TRL. This model was trained with DPO, a method introduced in Direct Preference Optimization: Your Language Model is Secretly a Reward Model. — TRL: 1.0.0 — Transformers: 4.57.0 — Pytorch: 2.6.0+default — Datasets: 4.8.4 — Tokenizers: 0.22.2

Модальности:
Генерация текста

Области применения:
Диалог / чат Математика


Задача: Генерация текста
Автор: VladShash
Теги: llama, generated_from_trainer, trl, dpo, conversational, text-generation-inference, endpoints_compatible
Лайков: 4  |  Загрузок: 16

Открыть на HuggingFace →

Описание основано на материалах HuggingFace. Перевод выполнен автоматически.