# 思維鏈優化

FairyR1-32B是由北大DS-LAB開發的高效大語言模型，基於DeepSeek-R1-Distill-Qwen-32B，通過'蒸餾-融合'創新流程實現高性能與低成本推理的平衡。

FairyR1-32B是一款高效的大型語言模型，基於DeepSeek-R1-Distill-Qwen-32B，通過優化的蒸餾與合併流程，在數學和編程任務上表現優異。

Denker是一個小型、無審查、專注於推理的模型，基於mistral-nemo-kartoffel-12B使用ORPO和QLoRA進行微調。

基於千問3-30B-A3B的混合專家模型微調版本，激活專家數提升至16，上下文窗口擴展至128k，適合複雜推理場景

360智腦3-7B-O1.5是奇虎360開源的長思維鏈模型，基於360智腦3-7B-Instruct微調，支持複雜推理任務。

MAI-DS-R1是微軟AI團隊對DeepSeek-R1推理模型進行後訓練的成果，旨在提升其對敏感話題的響應能力並優化風險表現，同時保持原有的推理能力和競爭優勢。

基於OpenThoughts-114k-math數學數據集及其他增強思維能力訓練集打造的高性能推理模型

QwQ-32B-FP8 是 QwQ-32B 模型的 FP8 量化版本，保持了與 BF16 版本幾乎相同的準確率，同時支持更快的推理速度。

基於DeepSeek-R1-Distill-Llama-8B微調的醫療思維鏈推理模型，通過QLoRA量化技術和Unsloth優化方案增強醫療推理能力。

AceMath-7B-Instruct是英偉達推出的專為數學推理設計的指導模型，基於改進版Qwen架構開發，擅長通過思維鏈(CoT)推理解決英文數學問題。

LlamaV-o1 是一款先進的多模態大語言模型，專為複雜的視覺推理任務而設計，通過課程學習技術優化，在多樣化的基準測試中展現出卓越性能。

通過強化微調增強大語言模型的推理泛化能力，基於Codellama微調，適用於代碼生成與理解任務。

Llemma 34B 是一款專注於數學領域的語言模型，基於Code Llama 34B權重初始化，並在Proof-Pile-2數據集上訓練。