Openrs3 GRPO Ja
O
Openrs3 GRPO Ja
由EQUES開發
OpenRS3-GRPO-ja是基於SakanaAI/TinySwallow-1.5B-Instruct模型在日語數學指令數據集上微調的版本,採用GRPO方法訓練,專注於數學推理任務。
下載量 25
發布時間 : 4/4/2025
模型概述
該模型是一個日語語言模型,專門針對數學推理任務進行了優化,適用於生成數學相關的指令響應。
模型特點
GRPO訓練方法
採用DeepSeekMath論文中提出的GRPO方法進行訓練,優化數學推理能力。
日語數學指令優化
在OpenMathInstruct-1-1.8m-ja日語數學指令數據集上微調,擅長處理日語數學問題。
TRL框架訓練
使用TRL(基於Transformer的強化學習)框架進行訓練,共進行了300步訓練。
模型能力
日語文本生成
數學問題解答
指令理解與響應
使用案例
教育
數學問題解答
幫助學生理解和解答數學問題
生成詳細的解題步驟和解釋
研究
數學推理研究
用於數學推理能力的研究和評估
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers 支持多種語言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98