Эта модель обучается по минималистскому рецепту R1-Zero, представленному в нашей статье: — Алгоритм: Dr. DRPO — Данные: вопросы уровня 3-5 из набора данных MATH — Базовая модель: Qwen/Qwen2.5-Math-7B — Шаблон: Qwen-Math Результаты оценки широко используемых математических тестов показаны ниже:
Модальности:
Генерация текста
Области применения:
Диалог / чат Математика
Задача: Генерация текста
Автор: sail
Теги: qwen2, conversational, text-generation-inference, endpoints_compatible
Лайков: 6 | Загрузок: 620
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
