Greenmind Medium 14B R1

🚀 GreenMind-Medium-14B-R1

我們發佈了 GreenMind-Medium-14B-R1，這是一箇中等規模的越南語模型，能夠有效解決需要中級推理的問題，例如常識、數學、自然科學和社會科學等領域的問題。通過採用分組相對策略優化（Group Relative Policy Optimization）策略進行微調，我們引導模型生成邏輯連貫的響應。

🚀 快速開始

這裡提供了一個使用 apply_chat_template 的代碼片段，向你展示如何加載分詞器和模型，以及如何生成內容。

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "GreenNode/GreenMind-Medium-14B-R1"

model = AutoModelForCausalLM.from_pretrained(
	model_name,
	torch_dtype="auto",
	device_map="auto"
)

tokenizer = AutoTokenizer.from_pretrained(
	model_name,
	revision='main',
	trust_remote_code=False,
)
prompt = r"""Vừa gà vừa chó
Bó lại cho tròn
Ba mươi sáu con
Một trăm chân chẵn
Hỏi có bao nhiêu con gà, bao nhiêu con chó?"""

messages = [
	{
	"role": "system",
	"content": "Bạn là một trợ lý ảo hữu ích trong việc trả lời câu hỏi. Hãy suy luận từng bước, và đưa ra đáp án trong thẻ <answer> </answer>."
	},
	{
	"role": "user",
	"content": f"{prompt} Hãy suy luận từng bước trong thẻ <think> </think>. Và trả về đáp án trong thẻ <answer> </answer>."
	},
	{
	"role": "assistant",
	"content": "Hãy để tôi giải quyết từng bước.\n<think>"
	}
]

text = tokenizer.apply_chat_template(
	messages, 
	tokenize=False, 
	continue_final_message=True)

model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=1024
)

generated_ids = [
output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)
# Đầu tiên, chúng ta cần thiết lập hai phương trình dựa trên thông tin đề bài:
# 1. Tổng số con gà và chó là 36: x + y = 36
# 2. Tổng số chân là 100: 2x + 4y = 100
# Trong đó, x là số con gà và y là số con chó.
# Tiếp theo, chúng ta giải hệ phương trình này:
# Từ phương trình thứ nhất, ta có: x = 36 - y
# Thay vào phương trình thứ hai: 2(36 - y) + 4y = 100
# => 72 - 2y + 4y = 100
# => 2y = 28
# => y = 14 (số con chó)
# Thay y = 14 vào phương trình x + y = 36:
# => x = 36 - 14 = 22 (số con gà)
# Vậy, có 22 con gà và 14 con chó.
# </think>
# <answer>Có 22 con gà và 14 con chó.</answer>

✨ 主要特性

• 模型類型：自迴歸語言模型
• 基礎模型：Qwen/Qwen2.5-14B-Instruct
• 參數數量：147億
• 上下文長度：完整131,072個詞元，生成8192個詞元
• 支持語言：越南語

📚 詳細文檔

評估

SeaExam數據集

VLSP 2023挑戰賽

VMLU數據集

🔗 關注我們

https://x.com/greennode23

💬 支持

https://discord.gg/B6MJFM3J3a

📄 許可證

本倉庫和模型權重遵循 MIT許可證。

📖 引用

如果您認為我們的工作有幫助，請引用我們的成果。

@misc{tung2025greenmindnextgenerationvietnameselarge,
      title={GreenMind: A Next-Generation Vietnamese Large Language Model for Structured and Logical Reasoning}, 
      author={Luu Quy Tung and Hoang Quoc Viet and Vo Trong Thu},
      year={2025},
      eprint={2504.16832},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2504.16832}, 
}

📞 聯繫我們

• 一般事務與合作：tung.vu@greennode.ai, thuvt@greennode.ai
• 技術問題：viethq5@greennode.ai