AIbase
JA
モデル選定
タグ
強化学習報酬モデル

# 強化学習報酬モデル

POLAR 7B
Apache-2.0
POLAR-7Bは大規模事前学習に基づくスカラー報酬モデルで、革新的な戦略判別式学習パラダイムを採用し、戦略を効果的に区別し、人間の嗜好と一致させることができます。
大規模言語モデル Transformers 複数言語対応
P
internlm
316
15
Japanese Novel Reward Modernbert Ja 310m
MIT
modernbert-ja-310mをファインチューニングした日本語小説品質評価用報酬モデルで、小説テキストに対するユーザー評価を予測します。
大規模言語モデル Transformers 日本語
J
Aratako
15
1
Japanese Novel Reward Modernbert Ja 130m
MIT
modernbert-ja-130mをファインチューニングした日本語小説品質評価用報酬モデルで、ユーザーによる小説テキストへの評価スコアを予測します。
大規模言語モデル Transformers 日本語
J
Aratako
14
2
Japanese Novel Reward Sarashina2.1 1b
その他
sbintuitions/sarashina2.1-1bをファインチューニングした日本語小説品質評価モデルで、ユーザーの小説テキストへの評価を予測します。
大規模言語モデル Transformers 日本語
J
Aratako
40
3
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル Transformers 複数言語対応
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。
対話システム Transformers 英語
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase