AIbase

数学推理强化
Acereason Nemotron 7B
其他
通过强化学习训练的数学与代码推理模型，基于DeepSeek-R1-Distilled-Qwen-7B，在数学和代码推理任务上表现优异
大型语言模型
Transformers
A
nvidia
4,278
10
DAPO Qwen 32B
Apache-2.0
基于Qwen2.5-32B模型使用DAPO算法训练的大语言模型，专注于数学问题解决和多语言文本生成
大型语言模型
Safetensors
支持多种语言
D
BytedTsinghua-SIA
7,241
3
Open Reasoner Zero 32B
MIT
首个专注于可扩展性、简洁性和易用性的大规模推理导向强化学习的开源实现
大型语言模型
Transformers
O
Open-Reasoner-Zero
498
29
Math Shepherd Mistral 7b Rl
基于Math-Shepherd逐步强化学习的数学问题求解模型，在GSM8K和MATH数据集上表现优异
大型语言模型
Transformers
M
peiyi9979
44
6
Wizardmath 7B V1.0
WizardMath是一个通过强化进化指令(RLEIF)赋能的大语言模型，专门用于提升数学推理能力。
大型语言模型
Transformers
W
WizardLMTeam
653
54