许可协议：mit
库名称：transformers
管道标签：文本生成

LUFFY使用的基础模型Qwen2.5-Math-7B，详情参见论文《在非策略指导下学习推理》。
我们将rope_theta从10000调整为40000，并将上下文窗口扩展至16k。
同时，我们修改了系统提示的chat_template，并添加了标签。

GitHub项目地址：https://github.com/ElliottYan/LUFFY

引用

如果您认为我们的模型、数据或评估代码对您有所帮助，请引用我们的论文：

@misc{luffy,  
      title={在非策略指导下学习推理},  
      author={严建浩 and 李亚夫 and 胡子灿 and 王志 and 崔甘泉 and 曲晓晔 and 程宇 and 张岳},  
      year={2025},  
      eprint={2504.14945},  
      archivePrefix={arXiv},  
      primaryClass={cs.LG},  
      url={https://arxiv.org/abs/2504.14945},  
}