许可证：MIT
语言：

• 越南语
• 英语
• 中文
• 印尼语
• 泰语

基础模型：

• Qwen/Qwen2.5-14B-Instruct

任务标签：文本生成

GreenMind-Medium-14B-R1

我们发布了GreenMind-Medium-14B-R1，这是一款中等规模的越南语语言模型，能够有效解决需要中级推理的问题，例如常识、数学、自然科学和社会科学主题。通过采用Group Relative Policy Optimization策略进行微调，我们引导模型生成逻辑连贯的响应。

模型描述

• 模型类型： 因果语言模型
• 基础模型： Qwen/Qwen2.5-14B-Instruct
• 参数量： 14.7B
• 上下文长度： 完整131,072 tokens，生成8192 tokens
• 语言： 越南语

快速开始

以下代码片段展示了如何使用apply_chat_template加载分词器和模型，并生成内容。

from transformers import AutoModelForCausalLM, AutoTokenizer  

model_name = "GreenNode/GreenMind-Medium-14B-R1"  

model = AutoModelForCausalLM.from_pretrained(  
    model_name,  
    torch_dtype="auto",  
    device_map="auto"  
)  

tokenizer = AutoTokenizer.from_pretrained(  
    model_name,  
    revision='main',  
    trust_remote_code=False,  
)  

prompt = r"""Vừa gà vừa chó  
Bó lại cho tròn  
Ba mươi sáu con  
Một trăm chân chẵn  
Hỏi có bao nhiêu con gà, bao nhiêu con chó?"""  

messages = [  
    {  
    "role": "system",  
    "content": "Bạn là một trợ lý ảo hữu ích trong việc trả lời câu hỏi. Hãy suy luận từng bước, và đưa ra đáp án trong thẻ <answer> </answer>."  
    },  
    {  
    "role": "user",  
    "content": f"{prompt} Hãy suy luận từng bước trong thẻ <think> </think>. Và trả về đáp án trong thẻ <answer> </answer>."  
    },  
    {  
    "role": "assistant",  
    "content": "Hãy để tôi giải quyết từng bước.\n<think>"  
    }  
]  

text = tokenizer.apply_chat_template(  
    messages,   
    tokenize=False,   
    continue_final_message=True)  

model_inputs = tokenizer([text], return_tensors="pt").to(model.device)  

generated_ids = model.generate(  
    **model_inputs,  
    max_new_tokens=1024  
)  

generated_ids = [  
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)  
]  

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]  
print(response)  
# 首先，我们需要根据题目信息建立两个方程：  
# 1. 鸡和狗的总数为36：x + y = 36  
# 2. 总腿数为100：2x + 4y = 100  
# 其中，x是鸡的数量，y是狗的数量。  
# 接下来，我们解这个方程组：  
# 从第一个方程可得：x = 36 - y  
# 代入第二个方程：2(36 - y) + 4y = 100  
# => 72 - 2y + 4y = 100  
# => 2y = 28  
# => y = 14（狗的数量）  
# 将y = 14代入x + y = 36：  
# => x = 36 - 14 = 22（鸡的数量）  
# 因此，共有22只鸡和14只狗。  
# </think>  
# <answer>共有22只鸡和14只狗。</answer>  

评估

表1. SeaExam数据集。 GreenMind-Medium-14B-R1与基础模型及部分更大规模模型的对比。

表2. VLSP 2023挑战赛： 我们的模型性能超越大多数SOTA模型。

表3. VMLU数据集。 与微调模型的性能对比。

关注我们

https://x.com/greennode23

支持

https://discord.gg/B6MJFM3J3a

许可证

本仓库及模型权重采用MIT许可证。

引用

如果您觉得我们的工作有帮助，欢迎引用。

@misc{tung2025greenmindnextgenerationvietnameselarge,  
      title={GreenMind: A Next-Generation Vietnamese Large Language Model for Structured and Logical Reasoning},   
      author={Luu Quy Tung and Hoang Quoc Viet and Vo Trong Thu},  
      year={2025},  
      eprint={2504.16832},  
      archivePrefix={arXiv},  
      primaryClass={cs.CL},  
      url={https://arxiv.org/abs/2504.16832},   
}  

联系我们

• 一般事务与合作：tung.vu@greennode.ai, thuvt@greennode.ai
• 技术问题：viethq5@greennode.ai