ИНТЕЛЛЕКТ-3: Более 100 миллиардов сотрудников Министерства образования, прошедших обучение с использованием крупномасштабного RL. Обучение с помощью Prime-RL и верификаторов. Среды опубликованы на сайте Environments Hub. Прочитайте блог и технический отчет X | Раздор | Платформа Прайм-Интеллект ИНТЕЛЛЕКТ-3 представляет собой модель рассуждения «Смесь экспертов» с параметрами 106B (A12B), прошедшую постобучение на GLM-4.5-Air-Base с использованием контролируемой точной настройки (SFT) с последующим крупномасштабным обучением с подкреплением (RL). 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). ИНТЕЛЛЕКТ-3 демонстрирует лучшие в своем классе результаты в тестах по математике, кодированию и рассуждению:
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: 21 | Загрузок: 140
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
