AIbase
TW
模型選型
標籤
推理獎勵建模

# 推理獎勵建模

RM R1 DeepSeek Distilled Qwen 32B
MIT
RM-R1 是一個用於推理獎勵模型（ReasRM）的訓練框架，通過生成評分標準或推理軌跡來評估候選答案，提供可解釋的評價。
大型語言模型 Transformers 英語
R
gaotang
506
0
RM R1 DeepSeek Distilled Qwen 7B
MIT
RM-R1 是一個用於推理獎勵模型的訓練框架，通過生成結構化的評分標準或推理軌跡來評判兩個候選答案，提供可解釋的理由。
大型語言模型 Transformers 英語
R
gaotang
444
1
RM R1 Qwen2.5 Instruct 7B
MIT
RM-R1是一個用於推理獎勵模型（ReasRM）的訓練框架，通過生成評分標準或推理軌跡來評估候選答案，相比傳統獎勵模型在準確率和可解釋性上有顯著提升。
大型語言模型 Transformers 英語
R
gaotang
23
2
RM R1 Qwen2.5 Instruct 14B
MIT
RM-R1是一個用於推理獎勵模型（ReasRM）的訓練框架，通過生成評分標準或推理軌跡來判斷候選答案，提供可解釋的評價。
大型語言模型 Transformers 英語
R
gaotang
21
1
RM R1 Qwen2.5 Instruct 32B
MIT
RM-R1是一個通過推理軌跡生成進行獎勵建模的框架，相比傳統方法在準確率和可解釋性上有顯著提升
大型語言模型 Transformers 英語
R
gaotang
29
1
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase