RPT DeepSeek R1 0528 Qwen3 8B
該模型是基於DeepSeek-R1-0528-Qwen3-8B的微調版本,使用TRL和GRPO方法進行訓練,專注於數學推理能力的提升。
下載量 401
發布時間 : 7/3/2025
模型概述
該模型是一個經過GRPO方法微調的大語言模型,主要用於數學推理任務,支持多種語言。
模型特點
GRPO訓練方法
採用GRPO(Group Relative Policy Optimization)方法進行訓練,該方法在數學推理任務中表現出色。
多語言支持
支持英語、西班牙語、法語和阿拉伯語等多種語言。
強化預訓練
基於RPT(強化預訓練)方法,進一步提升了模型的推理能力。
模型能力
數學推理
多語言文本生成
強化學習優化
使用案例
教育
數學問題解答
用於解答覆雜的數學問題,幫助學生理解數學概念。
在數學推理任務中表現優異。
研究
數學推理研究
用於研究大語言模型在數學推理任務中的表現和優化方法。
在DeepSeekMath論文中展示了優異的性能。
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