SmolTulu-1.7b-Reinforced
SmolTulu-1.7b-Reinforced — это версия SmolTulu-1.7b-Instruct для обучения с подкреплением и проверяемыми вознаграждениями (RLVR), которая использует конвейер постобучения AllenAI...
Метка: Allenai
SmolTulu-1.7b-Instruct
SmolTulu-1.7b-Instruct — первая модель в серии моделей, предназначенных для использования конвейера постобучения Tulu 3 от AllenAI для настройки...