Deepseek R1 Distill Qwen 14B GRPO Taiwan Spirit
D
Deepseek R1 Distill Qwen 14B GRPO Taiwan Spirit
由 kartd 开发
这是一个基于Qwen-14B模型微调的版本,使用GRPO方法进行训练,适用于文本生成任务。
下载量 111
发布时间 : 6/4/2025
模型简介
该模型是基于特定模型微调的版本,使用TRL进行训练,主要用于文本生成任务。
模型特点
GRPO训练方法
使用GRPO方法进行训练,该方法在DeepSeekMath论文中被提出,优化了数学推理能力。
基于Qwen-14B微调
基于Qwen-14B模型进行微调,继承了其强大的文本生成能力。
TRL训练框架
使用TRL(Transformer Reinforcement Learning)框架进行训练,优化了模型的生成效果。
模型能力
文本生成
数学推理
使用案例
文本生成
时间旅行选择
生成关于时间旅行选择的文本回答
生成连贯且有逻辑的文本回答
数学推理
数学问题解答
解答复杂的数学问题
生成准确的数学推理和解答
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98
智启未来,您的人工智能解决方案智库
简体中文