OPRMs (Outcome & Process Reward Models) are trained to predict the correctness of each step on the position of «nn», as well as the correctness of the whole solution on the position of «».
Модальности:
Генерация текста
Области применения:
Математика
Задача: Генерация текста
Автор: ScalableMath
Теги: llama, text-generation-inference, endpoints_compatible
Лайков: 3 | Загрузок: 10
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
Основанный на LFM2-2.6B, LFM2-2.6B-Transcript предназначен для частного подведения итогов собраний на устройстве. Мы сотрудничаем с AMD, чтобы обеспечить...
Qwimi3.5-9B-Kimik2.6-Opus-Distill-GGUF содержит квантованные версии GGUF Qwimi3.5-9B-Kimik2.6-Opus-Distill, доработку unsloth/Qwen3.5-9B, ориентированную на рассуждения. Эта модель была обучена как контролируемая точная...
This is quantized version of oxyapi/oxy-1-micro created using llama.cpp Oxy 1 Micro is a fine-tuned version of the...
Чат и поддержка: сервер Discord TheBloke Хотите внести свой вклад? Страница TheBloke на Patreon Работа TheBloke в области...
