Метка: grpo - Страница 2 - Каталог нейросетей

Метка: grpo

Генерация текста

Freakz3z/Qwen-JSON

We introduce RL-Struct, a lightweight Reinforcement Learning framework designed to solve the «Structure Gap»—the tension between probabilistic token...

Генерация текста

justinj92/Qwen2.5-1.5B-Thinking

Улучшенная модель на Qwen2.5-1.5B-Thinking-v1.1. Он был обучен с использованием TRL. Эта модель была обучена с помощью GRPO, метода,...

Генерация текста

OpenMOSS-Team/SciJudge-4B-2605

SciJudge-4B-2605 — это модель Qwen3-4B-Instruct-2507, специально настроенная для оценки научных статей. Учитывая названия, аннотации и даты публикации двух...