# GRPO强化学习

Reasongen R1 SFT
Apache-2.0
ReasonGen-R1是一个通过监督微调(SFT)在图像提示和推理依据数据集上训练的文本到图像模型,具备基于文本的显式'思考'能力。
文本生成图像 Transformers
R
Franklin0
312
1
Gazal R1 32B GRPO Preview
Apache-2.0
Gazal-R1-32B 是一款专为医学推理和临床决策打造的语言模型,基于 Qwen 3 32B 构建,在专业医学领域展现出卓越性能。
大型语言模型 Transformers
G
TachyHealth
116
1
DNA R1
DNA-R1是基于微软Phi-4优化的韩语专用推理模型,通过强化学习显著提升了韩语推理能力,在数学、编程和通用推理任务中表现出色。
大型语言模型 Transformers 支持多种语言
D
dnotitia
1,943
35
Seg Zero 7B Best On ReasonSegTest
其他
Seg-Zero-7B是一个基于推理链引导的图像分割模型,采用解耦架构,包含推理模型和分割模型,通过GRPO强化学习训练实现零样本泛化能力。
图像分割 Transformers 英语
S
Ricky06662
724
0
Qwen2.5 0.5B Instruct Gensyn Swarm Peaceful Exotic Butterfly
基于Gensyn/Qwen2.5-0.5B-Instruct的微调版本,采用TRL框架和GRPO算法训练,适用于指令跟随任务。
大型语言模型 Transformers
Q
juliannode
16
2
MMR1 Math V0 7B
Apache-2.0
专注于数学任务的大型多模态模型,在开源7B多模态模型中实现最先进的性能
文本生成图像 Transformers 英语
M
MMR1
75
5
Seg Zero 7B
其他
Seg-Zero-7B是一种基于认知强化的零样本图像分割模型,采用解耦架构实现推理链引导的分割。
图像分割 Transformers 英语
S
Ricky06662
3,112
0
Captain Eris Violet GRPO V0.420
其他
Captain-Eris_Violet是一个通过多阶段监督微调、QLoRA适配器和GRPO优化的RLHF开发的先进语言模型,适用于角色扮演和对话生成。
大型语言模型 Transformers 英语
C
Nitral-AI
1,355
21
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase