Gemma 3 27b Thinking 0.1

🚀 模型ID的模型卡片

本模型是一個🤗 Transformers模型，能夠基於簡短但高質量的SFT數據集進行思考，在處理問題時表現出色。

🚀 快速開始

使用以下代碼開始使用該模型：

# 此處應補充實際的代碼內容

✨ 主要特性

• 該模型在2.1k個示例的混合數據集上進行訓練，其中大部分數據是手動收集和驗證的。
• 由於使用了簡短但高質量的SFT數據集，該模型的思考過程比QWQ和R1模型要短得多。
• 可以使用特定的系統消息觸發思考標籤，例如：
  • "You are an expert assistant. Think using tags."
  • "You are a thinking assistant."

📚 詳細文檔

模型詳情

模型描述

• 模型在2.1k個示例的混合數據集上訓練，大部分數據手動收集並驗證。
• 由於簡短而高質量的SFT數據集，該模型的思考過程將比QWQ和R1模型短得多。
• 觸發思考標籤的系統消息（應置於"<start_of_turn>user"下）：
  • "You are an expert assistant. Think using tags."
  • "You are a thinking assistant." 示例：

<start_of_turn>user
You are a thinking assistant.
(1,234)² means 1,234 * 1,234; (1,234)³ means 1,234 * 1,234 * 1,234; and so forth. When (1,234)²³ is completely multiplied out, what will the number be in the ones place?
...

本模型卡片為自動生成，相關信息如下：

模型來源（可選）

• 倉庫地址：[待補充更多信息]
• 論文（可選）：[待補充更多信息]
• 演示（可選）：[待補充更多信息]

用途

直接使用

[待補充更多信息]

下游使用（可選）

[待補充更多信息]

超出適用範圍的使用

[待補充更多信息]

偏差、風險和侷限性

[待補充更多信息]

建議

用戶（包括直接用戶和下游用戶）應瞭解該模型的風險、偏差和侷限性。如需進一步建議，還需補充更多信息。

訓練詳情

訓練數據

[待補充更多信息]

訓練過程

預處理（可選）

[待補充更多信息]

訓練超參數

• 訓練機制：[待補充更多信息]

速度、大小、時間（可選）

[待補充更多信息]

評估

測試數據、因素和指標

測試數據

[待補充更多信息]

因素

[待補充更多信息]

指標

[待補充更多信息]

結果

[待補充更多信息]

總結

模型審查（可選）

[待補充更多信息]

環境影響

可以使用Lacoste等人（2019）中提出的機器學習影響計算器來估算碳排放。

技術規格（可選）

模型架構和目標

[待補充更多信息]

計算基礎設施

硬件

[待補充更多信息]

軟件

[待補充更多信息]

引用（可選）

BibTeX

[待補充更多信息]

APA

[待補充更多信息]

術語表（可選）

[待補充更多信息]

更多信息（可選）

[待補充更多信息]

模型卡片作者（可選）

[待補充更多信息]

模型卡片聯繫方式

[待補充更多信息]