Notbad V1 1 Mistral 24b

🚀 Notbad v1.1 Mistral 24B モデルカード

このモデルは、以前のモデルであるNotbad v1.0 Mistral 24Bよりも高いIFEvalスコアを達成しています。

Notbad v1.1 Mistral 24Bは、数学とPythonコーディングに特化した推論モデルです。このモデルは、Mistral-Small-24B-Instruct-2501をベースに構築され、数学とコーディングに関する強化学習によってさらに学習されています。

Notbad v1.0の主な特徴の1つは、より短くクリーンな推論出力を生成する能力です。私たちはオープンデータセットを使用し、Quiet Starでの研究を継承した強化学習技術を採用しており、Dr. GRPOに似た手法を用いています。このモデルの推論能力は、他のモデルから蒸留されたものではなく、自己改善によるものです。これは、Mistral-Small-24B-Instruct-2501を起点とした複数の強化学習モデルからサンプリングされたデータを用いた微調整の結果です。

LambdaとDeep Infraには、研究とこのモデルの学習に必要なコンピューティングリソースを提供してくれたことに特別な感謝を表します。

あなたは、chat.labml.ai でこのモデルを試すことができます。

✨ 主な機能

• 以前のモデルよりも高いIFEvalスコアを達成。
• 数学とPythonコーディングに特化した推論能力を持つ。
• 短くクリーンな推論出力を生成する能力。
• 自己改善による推論能力の向上。

📚 ドキュメント

ベンチマーク結果

一般評価

数学とコーディング

命令追従

注:

• ベンチマークは、Mistral-Small-24B-Instruct-2501 Model Card から取得しています。

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。

関連情報