> Глубокие причинно-следственные внутренние рассуждения > Никаких многословных ЦТ, никаких тегов, только краткие ответы, основанные на неявных рассуждениях. Ключевое отличие: Geilim выполняет глубокие причинно-следственные рассуждения внутри системы с помощью архитектуры ASPP+π-потока, а затем выводит только окончательный ответ. Вы получаете качество рассуждений без налога на многословие. — Выходные данные: более 250 символов — Задержка: высокая (генерируется много токенов) — Стоимость: дорогая (взимается плата за каждый токен) — Выходные данные: 3 символа — Задержка: низкая (минимальная генерация) — Стоимость: минимальная — Обоснование: происходит внутри компании посредством: 1. Причинно-следственной цепочки ASPP, распространяющей арифметические связи 2. π-потока, уточняющего распределение вероятностей в пространстве ответов 3. Сходимости для правильного ответа в скрытых состояниях — Базовая модель: Llama-3.2-1B-Instruct (1,26 млрд параметров) – Общие параметры: ~1,4 млрд (140 млн дополнительных параметров ASPP+π-потока) – Гибридные уровни: все 30 уровней (универсальные возможности рассуждения) – Mixed-Benchmark-Dataset (комплексные тесты рассуждений) – 25 % GSM8K (математические рассуждения) – 30 % HellaSwag (здравый смысл) – 20 % ARC (научный контроль качества) — 10 % OpenHermes (высококачественные ответы) — 15 % Capybara (многоходовые беседы) — Структура: TRL SFTTrainer с упаковкой — Эпохи: 2 — Размер пакета: Эффективно 8 (perdevice=2,…
Модальности:
Генерация текста
Области применения:
Логика и рассуждение Диалог / чат Следование инструкциям
Задача: Генерация текста
Автор: NoesisLab
Теги: asterisk, reasoning, implicit-reasoning, chain-of-thought, llama, aspp, pi-flow, deep-reasoning
Лайков: 8 | Загрузок: 68
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
