Mistral-Plus — это чат-помощник, обученный в рамках Reinforcement Learning from Human Feedback (RLHF) с использованием базовой модели Mistral-7B в качестве основы. — Mistral-Plus использует инновационный подход, полностью обходя контролируемую точную настройку (SFT) и напрямую внедряя безвредное обучение с подкреплением на основе обратной связи с человеком (RLHF). — В качестве основы «Мистраль-Плюс» использует модель «Мистралай/Мистраль-7Б-v0.1». — Лицензия: Mistral-Plus лицензируется по той же лицензии, что и модель Mistralai/Mistral-7B-v0.1. Mistral-Plus в основном используется для исследований в области больших языковых моделей и чат-ботов. Он предназначен в основном для исследователей и любителей, специализирующихся на обработке естественного языка, машинном обучении и искусственном интеллекте. «Мистраль-Плюс» не только сохраняет общие возможности базовой модели «Мистраль», но также значительно расширяет ее разговорные способности и заметно снижает образование токсичных выбросов по предпочтениям человека. Насколько нам известно, это первая научная попытка обойти контролируемую тонкую настройку и напрямую применить обучение с подкреплением на основе отзывов людей. Что еще более важно, Mistral-Plus общедоступен через HuggingFace для…
Модальности:
Генерация текста
Задача: Генерация текста
Автор: zhengchenphd
Теги: mistral, text-generation-inference, endpoints_compatible
Лайков: 4 | Загрузок: 53
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
