Метка: RLHF - Каталог нейросетей

Метка: RLHF

Генерация текста

MYTH-Lab/GoT-R1-4B

GoT-R1: Internalizing Graph-of-Thought via Structural Reinforcement We release the GoT-R1 models across three parameter scales. You can access...

Генерация текста

solidrust/OrpoLlama-3-8B-AWQ

Это тонкая настройка ORPO meta-llama/Meta-Llama-3-8B на 1 тыс. образцов mlabonne/orpo-dpo-mix-40k, созданных для этой статьи. Это успешная тонкая настройка,...

Генерация текста

invalid-coder/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...