Dongwei/Qwen-2.5-7B_Base_Math_smalllr

Эта модель представляет собой доработанную версию Qwen/Qwen2.5-Math-7B в наборе данных DigitalLearningGmbH/MATH-lighteval. Он был обучен с использованием TRL. Эта модель была обучена с помощью GRPO, метода, представленного в книге DeepSeekMath: расширение границ математического рассуждения в моделях открытого языка. — TRL: 0.15.0.dev0 — Трансформеры: 4.49.0.dev0 — Pytorch: 2.5.1+cu121 — Наборы данных: 3.2.0 — Токенизаторы: 0.21.0

Модальности:
Генерация текста

Области применения:
Диалог / чат Математика

Задача: Генерация текста
Автор: Dongwei
Теги: qwen2, generated_from_trainer, open-r1, trl, grpo, conversational, text-generation-inference, endpoints_compatible
Лайков: 6  |  Загрузок: 32

Открыть на HuggingFace →

Описание основано на материалах HuggingFace. Перевод выполнен автоматически.