ИНТЕЛЛЕКТ-3.1: Более 100 миллиардов МО, прошедших обучение с использованием крупномасштабного RL. Обучение с помощью prime-rl и верификаторов. Среды, опубликованные на Environments Hub. Прочитайте блог и технический отчет X | Раздор | Платформа Prime Intellect ИНТЕЛЛЕКТ-3.1 представляет собой модель рассуждения «Смесь экспертов» с параметрами 106B (A12B), созданную в рамках непрерывного обучения ИНТЕЛЛЕКТ-3 с дополнительным подкреплением обучения по математике, кодированию, разработке программного обеспечения и агентным задачам. Обучение проводилось с помощью prime-rl с использованием сред, созданных с помощью библиотеки верификаторов. Все среды обучения и оценки доступны в Environments Hub. Модель, платформы обучения и среды имеют открытый исходный код по полностью разрешающим лицензиям (MIT и Apache 2.0).
Модальности:
Генерация текста
Области применения:
Логика и рассуждение Диалог / чат
Задача: Генерация текста
Автор: PrimeIntellect
Теги: glm4_moe, prime-rl, verifiers, prime-intellect, reinforcement-learning, reasoning, agentic, mixture-of-experts
Лайков: 40 | Загрузок: 585
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
