JSL-MedMNX-7B-v2.0
This model is developed by John Snow Labs. Performance on biomedical benchmarks: Open Medical LLM Leaderboard. This model...
Метка: reward model
Starling-LM-7B-beta-laser-dpo
Это следует за внедрением laserRMT @ https://github.com/cognitivecomputations/laserRMT и новой методики обучения — мы частично замораживаем модель в соответствии...
Starling-LM-7B-beta-AWQ
— Model creator: Nexusflow — Original model: Starling-LM-7B-beta — Developed by: Banghua Zhu , Evan Frick , Tianhao...
Starling-LM-7B-beta-8.0bpw-h8-exl2
— Developed by: Banghua Zhu , Evan Frick , Tianhao Wu , Hanlin Zhu, Karthik Ganesan, Wei-Lin Chiang,...
Starling-LM-7B-alpha-GGUF
Модель генерации текста Модальности:Генерация текста Области применения:Диалог / чат Задача: Генерация текста Автор: second-state Теги: gguf, mistral, reward...
Muhakim
This model is part of the Mecellem project, presented in the paper Mecellem Models: Turkish Models Trained from...
RewardAnything-8B-v1
RewardAnything: Generalizable Principle-Following Reward Models Zhuohao Yu1,§ Jiali Zeng2 Weizheng Gu1 Yidong Wang1 Jindong Wang3 Fandong Meng2 Jie...
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...
Starling-LM-7B-beta-GPTQ
MaziyarPanahi/Starling-LM-7B-beta-GPTQ — это квантованная (GPTQ) версия Nexusflow/Starling-LM-7B-beta. Модальности:Генерация текста Области применения:Диалог / чат Задача: Генерация текста Автор: MaziyarPanahi...
Starling-LM-7B-beta-4bit
Эта модель была преобразована в формат MLX из [Nexusflow/Starling-LM-7B-beta]() с использованием mlx-lm версии 0.5.0. Более подробную информацию о...