SciJudge-30B
SciJudge-Qwen3-30B — это усовершенствованная языковая модель для оценки научных статей. Учитывая метаданные двух научных статей (название, аннотация, дата...
Метка: grpo
deepmath-v1
DeepMath — это математическая модель рассуждения с 4B параметрами, которая сочетает в себе точно настроенный LLM с изолированным...
MedQwen3B-Reasoner
MedQwen3B-Reasoner — это специализированный вариант Qwen2.5-3B-Instruct, настроенный с использованием GRPO для достижения успеха в рассуждениях в медицинской области,...
Thespis-Llama-3.1-8B
Описание: Семейство языковых моделей Thespis предназначено для повышения эффективности ролевых игр посредством рассуждений, вдохновленных Теорией разума. Thespis-Llama-3.1-8B —...
Captain-Eris_Violet-GRPO-v0.420
Модель генерации текста Модальности:Генерация текста Области применения:Диалог / чат Задача: Генерация текста Автор: Nitral-AI Теги: mistral, merge, finetune,...
Text2Graph-R1-Qwen2.5-0.5b
Это копия DeepSeek R1 для задач преобразования текста в график. Он основан на модели Qwen-2.5-0.5B и обучен с...
Qwen3-4B-RPG-Roleplay-V2
Новая версия, обученная с помощью GRPO, для более последовательной, качественной и выверенной ролевой игры персонажей. > Добро пожаловать...