Reasoningcore 3B R01

🚀 ReasoningCore‑3B-RE01

ReasoningCore‑3B 是由 EpitemeAI 开发的多语言、推理能力增强的大语言模型。它在大量公开可用数据上进行了预训练，并经过指令调优，在细致推理、对话管理、检索和总结任务中表现出色，在一系列行业基准测试中，往往优于许多当前的开源和专有对话模型。该模型使用推理数据集进行了微调。

⚠️ 重要提示

这是一个实验性模型。

🚀 快速开始

ReasoningCore‑3B 可以使用流行的机器学习框架进行集成。主要提供了两种方法：

使用系统提示

SYSTEM_PROMPT = """
以以下格式进行回复:
<reasoning>
...
</reasoning>
<answer>
...
</answer>
"""

使用 Transformers 框架

确保你已经安装了 4.43.0 或更高版本的 transformers：

pip install --upgrade transformers

import torch
from transformers import pipeline

model_id = "EpistemeAI/ReasoningCore-3B-R01"
pipe = pipeline(
    "text-generation", 
    model=model_id, 
    torch_dtype=torch.bfloat16, 
    device_map="auto"
)
print(pipe("The secret to effective reasoning is"))

对于数学问题

请在系统提示中使用 "Please reason step by step, and put your final answer within \boxed{}"

✨ 主要特性

• 多语言支持：官方支持英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语。预训练涵盖了更广泛的语言，并且可以根据社区许可和可接受使用政策对其他语言进行微调。
• 推理能力增强：经过专门的推理数据集微调，在推理、对话管理、检索和总结任务中表现出色。
• 安全保障：内置安全护栏，并通过先进的数据选择和响应优化技术减轻对抗性滥用。

📦 安装指南

使用 Transformers 框架集成时，确保安装 4.43.0 或更高版本的 transformers：

pip install --upgrade transformers

📚 详细文档

模型信息

预期用途

使用场景

• 对话式 AI：类似助手的交互。
• 知识检索与总结：动态提取和浓缩信息。
• 移动 AI 写作助手：查询重新表述和自然语言生成。
• 通用自然语言生成：任何受益于高级推理能力的应用。

不适用范围

• 违反适用法律或贸易合规规定的部署。
• 与可接受使用政策或许可条款冲突的用例。
• 在未明确支持的语言中进行部署（除非进行了额外的安全和性能验证）。

责任与安全

负责任的部署

• 方法：ReasoningCore‑3B 是一种基础技术，包含内置的安全护栏。鼓励开发者根据其特定应用集成额外的安全措施。
• 系统级安全：该模型设计为作为更广泛系统的一部分进行部署，该系统实施安全措施（如提示防护、代码防护），以确保即使在对抗性条件下输出仍然安全。

安全微调与数据策略

• 目标：为构建安全且有用的推理系统提供可靠的工具；通过先进的数据选择和响应优化技术减轻对抗性滥用。
• 方法：在训练期间纳入对抗性提示以改进模型的拒绝和响应语气；将人工策划的数据与合成数据相结合；使用监督学习、拒绝采样和偏好优化进行迭代微调。

评估和红队测试

• 大规模评估：使用专门的对抗性数据集对模型的鲁棒性进行严格测试。开发者应进行特定上下文的评估。
• 红队测试：网络安全、对抗性机器学习和负责任 AI 领域的专家进行定期的红队演习，以识别漏洞并提高性能和安全性。

关键风险缓解

• CBRNE：对模型进行了评估，以确保它不会增强涉及化学、生物、放射性、核或爆炸材料的有害活动能力。
• 儿童安全：进行了专家评估，以评估和减轻潜在的儿童安全风险。
• 网络攻击：采取了措施确保模型不能自主促进网络攻击行动。

伦理考虑和局限性

• 核心价值观：ReasoningCore‑3B 基于开放、包容和有用的价值观构建。它旨在尊重用户自主权，促进自由思考和表达，同时减轻潜在危害。
• 测试和局限性：尽管在各种场景下进行了广泛测试，但模型偶尔可能会产生不准确、有偏见或令人反感的输出。开发者必须根据需要进行额外的安全测试并集成更多的安全措施。
• 安全部署资源：负责任使用指南、信任与安全资源、入门指南

上传的模型

• 开发者：EpistemeAI
• 许可证：apache-2.0
• 微调基础模型：EpistemeAI/ReasoningCore-3B-0

这个 Llama 模型使用 Unsloth 和 Huggingface 的 TRL 库进行了 2 倍加速训练。

总结

ReasoningCore‑3B 在多语言、推理能力增强的语言模型方面取得了重大进展。它针对需要深度推理、上下文理解以及安全、有用交互的任务进行了优化，为商业和研究应用提供了强大的工具。我们邀请开发者和研究人员探索其功能，并为构建安全、创新的 AI 系统做出贡献。

如需更多详细信息、提问或反馈，请发送电子邮件至 episteme.ai@proton.me。