RPT DeepSeek R1 0528 Qwen3 8B
该模型是基于DeepSeek-R1-0528-Qwen3-8B的微调版本,使用TRL和GRPO方法进行训练,专注于数学推理能力的提升。
下载量 401
发布时间 : 7/3/2025
模型简介
该模型是一个经过GRPO方法微调的大语言模型,主要用于数学推理任务,支持多种语言。
模型特点
GRPO训练方法
采用GRPO(Group Relative Policy Optimization)方法进行训练,该方法在数学推理任务中表现出色。
多语言支持
支持英语、西班牙语、法语和阿拉伯语等多种语言。
强化预训练
基于RPT(强化预训练)方法,进一步提升了模型的推理能力。
模型能力
数学推理
多语言文本生成
强化学习优化
使用案例
教育
数学问题解答
用于解答复杂的数学问题,帮助学生理解数学概念。
在数学推理任务中表现优异。
研究
数学推理研究
用于研究大语言模型在数学推理任务中的表现和优化方法。
在DeepSeekMath论文中展示了优异的性能。
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98