Metin/LLaMA-3-8B-GRPO-Finance-Math-TR — это версия ytu-ce-cosmos/Turkish-Llama-8b-DPO-v0.1, обученная RL. Он обучается вопросам финансовой математики с использованием метода GRPO. — Базовая модель: Turkish-Llama-8b-DPO-v0.1. — Данные обучения: 442 открытые задачи по математике в области финансов. Никакие собственные данные не были включены. — Время обучения: 6 часов на одном L40S — Конфигурации LoRA: — lorar: 32 — loraalpha: 32 — loradropout: 0,05 — loratarget_linear: true Целью было обучить модель, которая может рассуждать, прежде чем генерировать ответ. Он использует приведенный ниже шаблон: Следует отметить, что модель по-прежнему будет генерировать неправильные или бессмысленные выходные данные, поэтому проверьте выходные данные перед их использованием.
Модальности:
Генерация текста
Области применения:
Диалог / чат Математика
Задача: Генерация текста
Автор: Metin
Теги: llama, unsloth, trl, grpo, conversational, tr
Лайков: 6 | Загрузок: 10
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
