Метка: grpo - Страница 3 - Каталог нейросетей

Метка: grpo

Генерация текста

MYTH-Lab/GoT-R1-4B

GoT-R1: Internalizing Graph-of-Thought via Structural Reinforcement We release the GoT-R1 models across three parameter scales. You can access...

Генерация текста

EQUES/OpenRS3-GRPO-ja

Эта модель представляет собой точно настроенную версию SakanaAI/TinySwallow-1.5B-Instruct на наборе данных kunishou/OpenMathInstruct-1-1.8m-ja. Он был обучен с использованием TRL....