Эта коллекция содержит официальные контрольные точки для модели Time-R1, как описано в документе «Time-R1: Towards Comprehensive Temporal Reasoning in LLMs». Time-R1 — это большая языковая модель с параметром 3B, обученная новой трехэтапной учебной программе обучения с подкреплением, чтобы наделить ее всеобъемлющими временными способностями: пониманием, прогнозированием и творческой генерацией. Мы предоставляем несколько контрольных точек, представляющих разные этапы процесса обучения Time-R1: эти модели обучаются для развития фундаментального временного понимания. Время-R1-S1P1: Контрольная точка после Этапа 1 обучения Этапа 1. Фокус: Основополагающая логика для простых задач вывода временной метки. Время-R1-S1P2: Контрольная точка после Этапа 2 обучения Этапа 1. Фокус: Полное исследование всех подзадач 1-го этапа со смешанной сложностью. Время-R1-Theta1: контрольная точка θ, после этапа 3 (полное обучение на этапе 1). Фокус: Уточненная точность по всем подзадачам Этапа 1 при более строгой оценке. Time-R1-Theta1prime: абляционная модель θლ’, обученная для этапа 1 без динамического дизайна вознаграждения. Фокус: служит основой для оценки эффективности учебной программы динамического вознаграждения.* Эта модель основана на возможностях Этапа 1 для прогнозирования будущего…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: ulab-ai
Теги: qwen2, temporal-reasoning, reinforcement-learning, large-language-models, conversational, text-generation-inference, endpoints_compatible
Лайков: 3 | Загрузок: 39
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
