# GRPO強化學習

ReasonGen-R1是一個通過監督微調（SFT）在圖像提示和推理依據數據集上訓練的文本到圖像模型，具備基於文本的顯式'思考'能力。

Gazal-R1-32B 是一款專為醫學推理和臨床決策打造的語言模型，基於 Qwen 3 32B 構建，在專業醫學領域展現出卓越性能。

DNA-R1是基於微軟Phi-4優化的韓語專用推理模型，通過強化學習顯著提升了韓語推理能力，在數學、編程和通用推理任務中表現出色。

Seg-Zero-7B是一個基於推理鏈引導的圖像分割模型，採用解耦架構，包含推理模型和分割模型，通過GRPO強化學習訓練實現零樣本泛化能力。

基於Gensyn/Qwen2.5-0.5B-Instruct的微調版本，採用TRL框架和GRPO算法訓練，適用於指令跟隨任務。

專注於數學任務的大型多模態模型，在開源7B多模態模型中實現最先進的性能

Seg-Zero-7B是一種基於認知強化的零樣本圖像分割模型，採用解耦架構實現推理鏈引導的分割。

Captain-Eris_Violet是一個通過多階段監督微調、QLoRA適配器和GRPO優化的RLHF開發的先進語言模型，適用於角色扮演和對話生成。