DiRL-8B-Instruct — это языковая модель диффузии параметров с 8B, специализированная для математических рассуждений. Он обучается с использованием платформы DiRL на базе SDAR-8B-Chat. Благодаря двухэтапному обучению (SFT + RL) DiRL-8B-Instruct достигает самых современных результатов по шкале 8B в тестах математического мышления, даже превосходя модели 32B в большинстве задач. > Основные характеристики > > Производительность SOTA: достигает 83,05% на MATH500, 20,63% на AIME2024 и 20,83% на AIME2025, превосходя все базовые показатели 8B. > Структура обучения: обучение проводилось с помощью DiRL, эффективной системы обучения распространению языковых моделей. > Сильный базовый показатель: создан на основе SDAR-8B-Chat, прирост +11,20% на MATH500 и +11,46%** на AIME2024.
Модальности:
Генерация текста
Области применения:
Математика Логика и рассуждение Диалог / чат Следование инструкциям
Задача: Генерация текста
Автор: OpenMOSS-Team
Теги: sdar, math, reasoning, diffusion, conversational, custom_code, en, zh
Лайков: 13 | Загрузок: 124
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
