Parm-2-CoT-14B-16k-o1-QwQ
Переименовано в parm-2. Обратите внимание: низкие результаты IFEVAL обусловлены тем, что эта модель всегда аргументирует, что следование инструкциям...
Метка: math
AceMath-7B-RM
Мы представляем AceMath, семейство пограничных моделей, предназначенных для математических рассуждений. Модели семейства AceMath, включая AceMath-1.5B/7B/72B-Instruct и AceMath-7B/72B-RM, улучшены...
phi-4-6bit
Модель mlx-community/phi-4-6bit была преобразована в формат MLX из microsoft/phi-4 с использованием mlx-lm версии 0.20.6. Модальности:Генерация текста Области применения:Генерация...
MathCoder2-Llama-3-8B
Модели MathCoder2 создаются путем непрерывного предварительного обучения на MathCode-Pile. Они представлены в статье MathCoder2: Улучшение математических рассуждений на...
NuminaMath-72B-CoT
NuminaMath — это серия языковых моделей, которые обучаются с помощью двух этапов контролируемой тонкой настройки для решения математических...
internlm2-math-plus-20b
Современные двуязычные программы магистратуры по математике с открытым исходным кодом. Решатель, доказывающий, проверяющий, увеличивающий. — [2024.05.24] Мы выпускаем...
Hercules-2.5-Mistral-7B
Hercules-2.5-Mistral-7B — это усовершенствованная языковая модель, созданная на основе Mistralai/Mistral-7B-v0.1. Он специально разработан, чтобы добиться успеха в выполнении...
Nemotron-Research-GooseReason-4B-Instruct
Обучение с помощью Golden Goose: простой трюк для синтеза неограниченного количества задач RLVR из непроверяемого интернет-текста GooseReason‑4B‑Instruct —...
LLaDA-Instruct-JustGRPO-GSM8K
Эта модель представляет собой LLaDA-8B-Instruct, настроенную с помощью JustGRPO на GSM8K. Он был представлен в статье «Ловушка гибкости:...
RLVR-8B-0926
Мы представляем PaCoRe (параллельное скоординированное рассуждение), структуру, которая смещает движущую силу вывода с последовательной глубины на скоординированную параллельную...