# 人類偏好對齊

Qwen3-4B是Qwen系列的最新大語言模型，具備思維模式切換能力、強大的推理能力、出色的人類偏好對齊、卓越的智能體能力以及多語言支持。

Qwen3是通義千問系列大語言模型的最新8B參數版本，支持思維模式切換、多語言處理和工具調用，具備強大的推理和對話能力。

Qwen3-14B是通義千問系列的最新大語言模型，具有148億參數，支持思維與非思維模式切換，在推理、指令遵循和智能體能力方面表現優異。

Qwen3是通義千問系列大語言模型的最新8B參數版本，支持思維模式與非思維模式無縫切換，具備強大的推理、指令遵循和智能體能力。

基於Llama3.2-3B-Instruct初始化的文本摘要模型，通過大規模摘要反饋的DPO訓練優化

SummLlama3.1-8B是基於Llama3.1-8B-Instruct初始化的文本摘要模型，通過大規模摘要反饋的直接偏好優化（DPO）訓練，在忠實性、完整性和簡潔性方面表現優異。

英偉達定製的大型語言模型，旨在提升大語言模型生成回覆對用戶查詢的有用性。

SummLlama3-8B是基於Llama3-8B-Instruct初始化的文本摘要模型，通過大規模摘要反饋的DPO訓練優化，在忠實性、完整性和簡潔性上表現優異。

Llama-VARCO-8B-Instruct是一個基於Llama構建的生成式模型，通過額外的訓練，在韓語處理方面表現出色，同時保持英語能力。

基於14B參數的因果語言模型，經過DPO優化訓練，支持中英文文本生成任務

基於Llama 2架構的7B參數大語言模型，經過DPO訓練優化，支持中英文文本生成

DISC-MedLLM是復旦大學DISC實驗室開發的面向醫療對話場景的領域大語言模型，基於Baichuan-13b-base構建，提供高質量的健康支持服務。

基於Pythia-2.8b的因果語言模型，使用Anthropic人類偏好數據集進行監督式微調

基於Pythia-6.9b基礎模型，使用Anthropic的hh-rlhf數據集進行監督式微調訓練的因果語言模型