モデル選定

高精度報酬モデル

# 高精度報酬モデル

GRM Llama3.1 8B Rewardmodel Ft

この報酬モデルはreward-benchで92.6点を獲得し、GRM-Llama3.1-8B-sftregモデルを基に汚染除去されたSkywork選好データセットv0.2でファインチューニングされています。

大規模言語モデル

Skywork Reward Llama 3.1 8B V0.2

Llama-3.1-8B-Instructアーキテクチャを基に構築された先進的な報酬モデルで、80Kの高品質な嗜好ペアで訓練されており、複雑なシナリオにおける嗜好問題の処理に優れています。

大規模言語モデル

Ppo LunarLander V2

これはPPOアルゴリズムに基づく強化学習モデルで、LunarLander-v2環境における着陸タスクを解決するために特別に設計されています。

物理学モデル

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

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

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

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