Метка: reward model - Страница 3 - Каталог нейросетей

Метка: reward model

Генерация текста

AdamG012/chat-opt-350m-reward-deepspeed

Мы благодарим следующие документы и репозитории с открытым исходным кодом. Мы особенно благодарим DeepSpeed ​​за их фреймворки. [1]...

Генерация текста

ChengyuDu0123/HER-RM-32B

HER представляет двухуровневое мышление, которое отличает мышление персонажей от первого лица от мышления третьего лица LLM для моделирования...

Генерация текста

nvidia/Llama2-13B-SteerLM-RM

Использование этой модели регулируется Лицензионным соглашением сообщества Llama 2. Llama2-13B-SteerLM-RM — это языковая модель с 13 миллиардами параметров...

Генерация текста

nvidia/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...

Генерация текста

CallComply/Starling-LM-11B-alpha

— Разработчики: Банхуа Чжу, Эван Фрик, Тяньхао Ву, Ханлинь Чжу и Цзянтао Цзяо. — Тип модели: языковая модель,...

Генерация текста

llm-blender/PairRM-hf

Это версия llm-blender/PairRM, совместимая с обнимающим лицом, которую можно загрузить непосредственно с помощью DebertaV2PairRM: Вы также можете скопировать...