Gemma 3 27b Thinking 0.1

🚀 模型ID的模型卡片

本模型是一个🤗 Transformers模型，能够基于简短但高质量的SFT数据集进行思考，在处理问题时表现出色。

🚀 快速开始

使用以下代码开始使用该模型：

# 此处应补充实际的代码内容

✨ 主要特性

• 该模型在2.1k个示例的混合数据集上进行训练，其中大部分数据是手动收集和验证的。
• 由于使用了简短但高质量的SFT数据集，该模型的思考过程比QWQ和R1模型要短得多。
• 可以使用特定的系统消息触发思考标签，例如：
  • "You are an expert assistant. Think using tags."
  • "You are a thinking assistant."

📚 详细文档

模型详情

模型描述

• 模型在2.1k个示例的混合数据集上训练，大部分数据手动收集并验证。
• 由于简短而高质量的SFT数据集，该模型的思考过程将比QWQ和R1模型短得多。
• 触发思考标签的系统消息（应置于"<start_of_turn>user"下）：
  • "You are an expert assistant. Think using tags."
  • "You are a thinking assistant." 示例：

<start_of_turn>user
You are a thinking assistant.
(1,234)² means 1,234 * 1,234; (1,234)³ means 1,234 * 1,234 * 1,234; and so forth. When (1,234)²³ is completely multiplied out, what will the number be in the ones place?
...

本模型卡片为自动生成，相关信息如下：

模型来源（可选）

• 仓库地址：[待补充更多信息]
• 论文（可选）：[待补充更多信息]
• 演示（可选）：[待补充更多信息]

用途

直接使用

[待补充更多信息]

下游使用（可选）

[待补充更多信息]

超出适用范围的使用

[待补充更多信息]

偏差、风险和局限性

[待补充更多信息]

建议

用户（包括直接用户和下游用户）应了解该模型的风险、偏差和局限性。如需进一步建议，还需补充更多信息。

训练详情

训练数据

[待补充更多信息]

训练过程

预处理（可选）

[待补充更多信息]

训练超参数

• 训练机制：[待补充更多信息]

速度、大小、时间（可选）

[待补充更多信息]

评估

测试数据、因素和指标

测试数据

[待补充更多信息]

因素

[待补充更多信息]

指标

[待补充更多信息]

结果

[待补充更多信息]

总结

模型审查（可选）

[待补充更多信息]

环境影响

可以使用Lacoste等人（2019）中提出的机器学习影响计算器来估算碳排放。

技术规格（可选）

模型架构和目标

[待补充更多信息]

计算基础设施

硬件

[待补充更多信息]

软件

[待补充更多信息]

引用（可选）

BibTeX

[待补充更多信息]

APA

[待补充更多信息]

术语表（可选）

[待补充更多信息]

更多信息（可选）

[待补充更多信息]

模型卡片作者（可选）

[待补充更多信息]

模型卡片联系方式

[待补充更多信息]