rStar2-Agent-14B-Q4_K_M-GGUF
This model was converted to GGUF format from rstar2-reproduce/rStar2-Agent-14B using llama.cpp via the ggml.ai’s GGUF-my-repo space. Refer to...
Метка: math-reasoning
UniReason-Qwen3-14B-RL
Эта модель связана с исследовательской работой: «Улучшает ли математическое мышление общие возможности LLM? Understanding Transferability of LLM Reasoning»...
ThinkPRM-1.5B
ThinkPRM-1.5B is a generative Process Reward Model (PRM) based on the R1-Distill-Qwen-1.5B architecture. It is fine-tuned to perform...
ThinkPRM-14B
ThinkPRM-14B — это модель вознаграждения генеративного процесса (PRM), основанная на архитектуре R1-Distill-Qwen-14B. Он настроен для выполнения пошаговой проверки...
rStar2-Agent-14B
Эта модель является частью исследования, представленного в статье rStar2-Agent: Технический отчет об агентном рассуждении. Официальный код и рецепты...