# RLHF微調

DMind-1是基於Qwen3-32B打造的Web3專家模型，通過監督式指令微調與人類反饋強化學習專為Web3生態系統優化，在任務準確性、內容安全性和專家級交互對齊方面實現顯著提升。

Llama 3.2 是 Meta 發佈的 1B 和 3B 參數規模的多語言生成模型集合，針對對話場景優化，支持多種語言任務。

Llama 3.2是Meta推出的多語言大語言模型，提供1B和3B兩種參數規模，支持多種語言任務，性能優於現有開源和閉源模型。

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。

這是一個基於日語對話數據集微調的Meta-Llama-3-8B-Instruct模型，專注於日語對話任務。

紫羅蘭系列語言模型專為遵循指令和維持俄語對話而訓練，第四代通過RLHF優化，具有更強的響應能力和更豐富的信息量。

Starling-7B是一個通過AI反饋強化學習（RLAIF）訓練的開源大語言模型，基於Openchat 3.5微調，在MT Bench中表現優異。

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

Llama 2是由Meta開發的70億參數規模預訓練生成文本模型，屬於開源大語言模型系列

Llama 2是由Meta開發的開源大語言模型系列，包含70億至700億參數規模，支持英文文本生成任務。

StableVicuna-13B是基於Vicuna-13B v0模型，通過RLHF進行微調的對話模型，採用4位GPTQ量化格式

StableVicuna-13B是基於Vicuna-13B v0模型，通過人類反饋強化學習（RLHF）和近端策略優化（PPO）在多種對話和指令數據集上進行微調的產物。

基於OPT-1.3b模型，通過DeepSpeed-Chat框架進行RLHF訓練優化的對話生成模型

基於RLHF微調的Stable Diffusion 2.0提示生成模型，可自動擴展或生成高質量圖像描述