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
AIbase
智启未来,您的人工智能解决方案智库
简体中文