Qwen2.5-CascadeRL-RM-72B
Qwen2.5-CascadeRL-RM-72B — это модель вознаграждения, которая инициализируется с помощью Qwen2.5-72B-Instruct и настраивается с использованием цели Брэдли-Терри для прогнозирования...
Метка: reward model
granite-3.3-8b-math-prm-v2
Granite 3.3 8B Math PRM v2 — это доработанная версия языковой модели с 8 миллиардами параметров Granite-3.3-8B-Instruct, созданная...
Starling-LM-11B-alpha
— Разработчики: Банхуа Чжу, Эван Фрик, Тяньхао Ву, Ханлинь Чжу и Цзянтао Цзяо. — Тип модели: языковая модель,...
PairRM-hf
Это версия llm-blender/PairRM, совместимая с обнимающим лицом, которую можно загрузить непосредственно с помощью DebertaV2PairRM: Вы также можете скопировать...
RewardAnything-8B-v1
RewardAnything: Обобщаемые модели вознаграждения, следующие принципам Чжуохао Юй1,§ Цзяли Цзэн2 Вэйчжэн Гу1 Идун Ван1 Цзиньдун Ван3 Фаньдун Мэн2 ...
Starling-LM-7B-beta-GGUF
Исходная модель: https://huggingface.co/Nexusflow/Starling-LM-7B-beta Хотите поддержать мою работу? Посетите мою страницу ко-фи здесь: https://ko-fi.com/bartowski Модальности:Генерация текста Области применения:Диалог /...
Storm-7B
— Разработчики: Цзе Лю \(^{1,2}\), Чжаньхуэй Чжоу \(^{2}\), Цзяхэн Лю \(^{2}\), Синъюань Бу \(^{2}\), Чао Ян \(^{2}\), Хан-Сен...
PairRM
— Github: https://github.com/yuchenlin/LLM-Blender — Документ: https://arxiv.org/abs/2306.02561 — Космическая демонстрация: https://huggingface.co/spaces/llm-blender/LLM-Blender — Посмотрите наши результаты в таблице лидеров AlpacaEval:...
Starling-LM-7B-beta
— Разработано: командой Nexusflow (Бангхуа Чжу, Эван Фрик, Тяньхао Ву, Ханлинь Чжу, Картик Ганесан, Вэй-Линь Чан, Цзянь Чжан...
Starling-LM-7B-alpha
— Разработчики: Банхуа Чжу, Эван Фрик, Тяньхао Ву, Ханлинь Чжу и Цзянтао Цзяо. — Тип модели: языковая модель,...