Метка: rl - Каталог нейросетей

Метка: rl

Генерация текста

Thinking-Space/Qwen3-4B-Base-GRPO

Qwen3-4B-Base-GRPO — это контрольная точка после RL, обученная с помощью фреймворка verl. Он начинается с Qwen3-4B-Base и применяет...

Генерация текста

mlx-community/Nemotron-Cascade-2-30B-A3B-mlx-6bit

This model mlx-community/Nemotron-Cascade-2-30B-A3B-mlx-6bit was converted to MLX format from nvidia/Nemotron-Cascade-2-30B-A3B using mlx-lm version 0.31.1. Модальности:Генерация текста Области применения:Логика...

Генерация текста

abaryan/CyberXP_Agent_Llama_3.2_1B

Агент CyberXP: Сегодня команды CyberXP по оценке киберугроз с использованием искусственного интеллекта находятся под постоянным давлением, чтобы быстро...

Генерация текста

prithivMLmods/Spiral-Qwen3-4B-F32-GGUF

> SPIRAL использует архитектуру «актер-ученик» для масштабируемого самообучения. Параллельные актеры выбирают траектории из разнообразного набора игр с использованием...

Генерация текста

Pinkstack/Superthoughts-lite-v1

Продвинутые, высококачественные и легкие рассуждения для крошечного размера, который вы можете запустить на своем телефоне. При исходном качестве...