Qwen3-Nemotron-32B-GenRM-Principle — это большая языковая модель, которая использует Qwen3-32B в качестве основы и настроена для прогнозирования степени, в которой ответы, генерируемые LLM, соответствуют заданным пользователем принципам. Учитывая разговор с несколькими поворотами между пользователем и помощником и заданный пользователем принцип, он оценивает качество последнего поворота помощника, используя оценку вознаграждения. Для того же запроса ответ с более высоким показателем вознаграждения соответствует заданному пользователем принципу в большей степени, чем другой ответ с более низким показателем вознаграждения. По состоянию на 24 сентября 2025 года эта модель достигла показателя JudgeBench 81,4% и RM-Bench 86,2%, что делает ее лучшей моделью генеративного вознаграждения для обоих тестов. Подробности о том, как была обучена эта модель, см. на странице https://arxiv.org/abs/2509.21319. РЕГУЛИРУЮЩИЕ УСЛОВИЯ: Использование этой модели регулируется лицензией NVIDIA Open Model License. Qwen3-Nemotron-32B-GenRM-Principle помечает сгенерированный LLM ответ на запрос пользователя и указанный пользователем принцип оценкой вознаграждения. HuggingFace 27.10.2025 через https://huggingface.co/nvidia/Qwen3-Nemotron-32B-GenRM-Principle RLBFF HelpSteer3 HelpSteer3-Preference HelpSteer2-Preference SteerLM метод HelpSteer * HelpSteer2 По состоянию на 24 сентября…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: nvidia
Теги: qwen3, nvidia, conversational, en, text-generation-inference
Лайков: 16 | Загрузок: 175
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
