# 強化学習の微調整

UniReason-Qwen3-14B-RLの静的量子化バージョンで、テキスト生成と数学推理の研究シーンに適しています。

Nous ResearchがAtropos強化学習フレームワークで微調整した実験的モデルで、Llama-3.1 8Bモデルの推論モードにおけるツール呼び出し性能の向上に焦点を当てています

Gensyn/Qwen2.5-0.5B-Instructを微調整したバージョンで、TRLフレームワークとGRPOアルゴリズムを使用してトレーニング

Hugging Faceが提供するTransformerモデルライブラリ、多様な自然言語処理タスクをサポート

Gensyn強化学習群専用に設計された0.5Bパラメータの命令微調整モデルで、ローカルでの微調整トレーニングをサポート

Tifa-DeepsexV2-7b-MGRPO-safetensors は、transformersライブラリを基にした多言語（中国語と英語）対応の大規模言語モデルで、増分事前学習、教師あり微調整、強化学習最適化を経ており、ロールプレイングや思考連鎖タスクに適しています。