RM R1 DeepSeek Distilled Qwen 14B
MIT
RM-R1は推論報酬モデル(ReasRM)のためのトレーニングフレームワークで、評価基準や推論軌跡を生成して候補回答を評価し、解釈可能な評価を提供します。
大規模言語モデル
Transformers 英語

R
gaotang
95
1
Reward Model Deberta V3 Large V2
MIT
この報酬モデルは、与えられた質問に対して人間がどの生成回答をより良いと評価するかを予測するように訓練されています。質問応答評価、RLHF報酬スコアリング、有害回答検出に適しています。
大規模言語モデル
Transformers 英語

R
OpenAssistant
11.15k
219
Reward Model Deberta V3 Base
MIT
人間のフィードバックに基づいて訓練された報酬モデルで、人間が好む回答を予測するために使用されます。
大規模言語モデル
Transformers 英語

R
OpenAssistant
1,193
11
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