Документ: AURORA: Автоматизированная система обучения моделей вознаграждения универсальных процессов с помощью ансамблевых подсказок и обратной проверки. Страница проекта: https://auroraprm.github.io/ Universal-PRM обучается с использованием Qwen2.5-Math-7B-Instruct в качестве основы. Процесс обучения включает в себя различные распределения политик, ансамблевые подсказки и обратную проверку для повышения обобщения и надежности. Он обеспечивает высочайшую производительность в ProcessBench и в UniversalBench собственной разработки.
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: infly
Теги: qwen2, image-feature-extraction, conversational, custom_code, text-generation-inference, endpoints_compatible
Лайков: 8 | Загрузок: 12
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
