AIbase
首頁
AI產品庫
模型廣場
MCP服務庫
AI資訊
TW
模型選型
標籤
數學推理強化學習

# 數學推理強化學習

Nano Aha Moment 3b
一個30億參數的語言模型,通過強化學習訓練用於解決數學推理任務,特別是倒計時遊戲。
大型語言模型 Transformers
N
McGill-NLP
55
2
OREAL 32B SFT
Apache-2.0
OREAL-32B-SFT是基於Qwen2.5-32B的監督微調模型,專為數學推理任務設計,是OREA強化學習框架的初始策略模型。
大型語言模型 Transformers
O
internlm
18
5
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型 Transformers 支持多種語言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統 Transformers 英語
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98
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