RLHF对齐

# RLHF对齐

Llama 3.1 405B Instruct

Llama 3.1是由Meta开发的多语言大语言模型系列，包含8B、70B和405B三种规模，支持多语言文本生成和代码生成任务。

大型语言模型

Transformers 支持多种语言

Llama 3.2 1B Instruct SpinQuant INT4 EO8

羊驼3.2系列是由Meta开发的多语言大语言模型，包含1B和3B参数规模，针对多语言对话用例进行了优化。

大型语言模型

PyTorch 支持多种语言

Llama 3.1 405B FP8

Meta羊驼3.1是多语言大语言模型集合，包含80亿、700亿和4050亿参数的预训练及指令调优生成模型，支持8种语言，在行业基准测试中表现优异。

大型语言模型

Transformers 支持多种语言

Gpt2 Large Harmless Reward Model

基于Anthropic/hh - rlhf无害数据集训练的GPT2大模型，专门用于有害响应检测或基于人类反馈的强化学习（RLHF）。

大型语言模型

PairRM是一个高效的成对奖励模型，用于比较和评估大语言模型的输出质量。它基于DebertaV3架构，专门设计用于识别候选响应之间的细微差异。

大型语言模型

Transformers 英语

PairRM是一个高效的成对奖励模型，用于比较和排序大语言模型的输出候选，支持多种应用场景如RLHF和最佳N采样。

大型语言模型

Transformers 英语

精选推荐AI模型

Qwen2.5 VL 7B Abliterated Caption It I1 GGUF

Qwen2.5-VL-7B-Abliterated-Caption-it的量化版本，支持多语言图像描述任务。

图像生成文本

Transformers 支持多种语言

Nunchaku Flux.1 Dev Colossus

Colossus Project Flux 的 Nunchaku 量化版本，旨在根据文本提示生成高质量图像。该模型在优化推理效率的同时，将性能损失降至最低。

图像生成英语

Qwen2.5 VL 7B Abliterated Caption It GGUF

这是一个基于Qwen2.5-VL-7B模型的静态量化版本，专注于图像描述生成任务，支持多种语言。

图像生成文本

Transformers 支持多种语言

Olmocr 7B 0725 FP8

olmOCR-7B-0725-FP8是基于Qwen2.5-VL-7B-Instruct模型，使用olmOCR-mix-0225数据集微调后量化为FP8版本的文档OCR模型。

图像生成文本

Transformers 英语

Lucy-128k是基于Qwen3-1.7B开发的专注于代理式网络搜索和轻量级浏览的模型，在移动设备上也能高效运行。

大型语言模型

Transformers 英语

AIbase

智启未来，您的人工智能解决方案智库

© 2025AIbase 备案号：闽ICP备08105208号-24