Supervised Reinforcement Fine-Tuning (SRFT) is a single-stage method that unifies both fine-tuning paradigms through entropy-aware weighting mechanisms.
Модальности:
Генерация текста
Области применения:
Диалог / чат Математика
Задача: Генерация текста
Автор: Yuqian-Fu
Теги: qwen2, conversational, text-generation-inference, endpoints_compatible
Лайков: 3 | Загрузок: 52
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
Pythia Scaling Suite — это набор моделей, разработанных для облегчения исследования интерпретируемости (см. статью). Он содержит два набора...
!image/png Это восьмая модель в серии, призванной воспроизвести прозаическое качество моделей Claude 3, в частности Sonnet и Opus....
Мы представляем Tongyi DeepResearch, агентную модель большого языка с 30 миллиардами параметров, из которых на каждый токен активируется...
Этот репозиторий содержит файлы GGUF модели Chameleon-7b. Эти файлы можно использовать для вывода с использованием llama.cpp и производного...
