ThinkPRM-14B
ThinkPRM-14B — это модель вознаграждения генеративного процесса (PRM), основанная на архитектуре R1-Distill-Qwen-14B. Он настроен для выполнения пошаговой проверки...
Метка: verification
xVerify-0.5B-I
xVerify — это инструмент оценки, созданный на основе предварительно обученной модели большого языка и разработанный специально для объективных...