# 数学推理增强

基于Qwen3-1.7B微调的版本，通过1-shot强化学习与可验证奖励（RLVR）方法增强了数学推理能力，在数学基准测试和编码任务中表现出色。

DeepSeek-R1-0528是DeepSeek R1模型的小版本升级，通过增加计算资源和算法优化显著提升了推理能力，在数学、编程和通用逻辑等多个基准评估中表现出色。

基于DeepSeek-R1-0528-Qwen3-8B开发的量化版本模型，在推理能力、减少幻觉率等方面有显著提升，适用于多种自然语言处理任务。

Autoregressive-32B是基于自回归建模构建的Multiverse-32B基线模型，为文本生成任务提供了强大的支持。

Qwen3-4B是Qwen系列最新一代的大语言模型，具有4B参数规模，支持128k上下文窗口和100多种语言，在推理、指令遵循和代理能力方面表现优异。

Qwen3是通义千问系列大语言模型的最新版本，提供稠密模型与混合专家（MoE）模型的完整套件。基于海量训练数据，Qwen3在推理能力、指令遵循、智能体功能及多语言支持方面实现突破性进展。

Qwen3-4B是通义千问系列最新一代40亿参数大语言模型，支持思维与非思维模式切换，具备强大的推理、指令遵循和智能体能力。

Phi-4推理增强版是微软研究院开发的140亿参数开源推理模型，通过监督微调和强化学习优化，专注于数学、科学和编程领域的高级推理能力。

Phi-4-reasoning-plus 是微软开发的增强推理能力的大语言模型，专为复杂数学问题和多步骤推理任务优化。

Qwen3是通义千问系列最新一代大语言模型，提供完整的密集模型和专家混合(MoE)模型组合。基于大规模训练，Qwen3在推理、指令遵循、智能体能力和多语言支持方面取得突破性进展。

基于Qwen2.5-Math-7B改进的模型，扩展了上下文窗口并优化了推理能力

基于OpenThoughts-114k-math数学数据集及其他增强思维能力训练集打造的高性能推理模型

基于DeepSeek-R1蒸馏的Verilog RTL代码生成模型，在Verilog基准测试中表现优异

ReasonFlux-F1-32B是基于思维模板扩展的分层大语言模型，通过模板增强推理轨迹微调，在推理任务中表现优异。

基于强化学习增强的小型大语言模型，专注于提升1.5B参数模型的推理能力

基于Qwen2.5-32B和QwQ-32B合并优化的日语对话模型，通过Chat Vector和ORPO技术增强指令跟随能力

ThinkEdit是一种轻量级权重编辑方法，通过识别并编辑少量注意力头来缓解推理模型生成过于简短思维链的问题，提升推理准确性。

基于Qwen的QwQ 32B架构优化的大语言模型，专注于高效内存利用、编程辅助和复杂问题解决。

这是一个使用SLERP方法合并的14B参数规模的大语言模型，由li-14b-v0.4和miscii-14b-0218两个基础模型合并而成。

STILL-3-1.5B-preview是一款采用强化学习技术增强推理能力的慢思考模型，在AIME基准测试中达到39.33%准确率

Phi-4-Model-Stock-v2是基于多个Phi-4变体模型合并而成的大语言模型，采用model_stock合并方法，在多个基准测试中表现良好。

AceInstruct 是一系列先进的 SFT 模型，基于 Qwen 改进，适用于编码、数学和通用任务。

Sky-T1-32B-Preview是一个32B参数的大语言模型，经过llama.cpp的imatrix量化处理，适用于文本生成任务。

基于Llama3.2架构的3B参数大语言模型，支持英文文本生成任务，采用llama.cpp进行imatrix量化

LuxLlama是基于Meta-Llama-3.1-8B-Instruct模型微调的版本，专门优化了卢森堡语理解和生成能力以及通用和数学推理能力。

Skywork o1 Open-PRM-Qwen-2.5-1.5B是基于Qwen2.5-Math-1.5B-Instruct训练的增量过程奖励模型，专为增强小规模复杂问题求解能力而设计。

Skywork o1开放模型系列中的7B参数规模模型，基于Qwen2.5-Math-7B-Instruct训练，具备渐进式过程奖励增强的推理能力

胡萝卜Llama-3.2 Rabbit Ko是一款经过指令微调的大语言模型，支持韩语和英语，在文本生成任务中表现出色。

Sunfall模型是基于Llama-3.1-8B-Stheno-v3.4开发的自然语言处理模型，适用于特定功能和应用场景。

PowerLM-3B是一个30亿参数的小型语言模型，采用Power学习率调度器训练，在自然语言多选、代码生成和数学推理等多个基准测试中表现优异。

DeepSeek-Coder-V2 是一个开源的混合专家（MoE）代码语言模型，在特定代码任务中可实现与 GPT4-Turbo 相媲美的性能。

基于Qwen2-7B-Instruct进一步后训练的模型，擅长处理复杂的多轮工具/函数调用任务。

Granite-8B-Code-Instruct-4K是一个80亿参数的代码指令模型，基于Granite-8B-Code-Base-4K在多种允许许可的指令数据上进行微调，增强了其遵循指令的能力，包括逻辑推理和问题解决技能。

Granite-3B-Code-Instruct-2K是基于Granite-3B-Code-Base-2K微调的30亿参数模型，增强了指令遵循能力，特别擅长代码生成和逻辑推理任务。

基于3个Mistral架构模型的专家混合大语言模型，擅长对话、代码和数学任务

基于Mistral-7b模型，采用Quiet-STaR方法进行持续预训练，在生成每个输出词元前会先生成8个思维词元，提升推理能力。

MathGenie是一种通过问题回译生成合成数据以增强大语言模型数学推理能力的模型。

首个平均分突破80%的开源大语言模型，基于MoMo-72B-lora-1.8.7-DPO微调，采用创新的DPO-Positive技术优化偏好学习

通过强化微调增强大语言模型的推理泛化能力，基于Codellama微调，适用于代码生成与理解任务。

基于jondurbin/bagel-34b-v0.2微调的大语言模型，采用新型DPO-Positive（DPOP）技术优化偏好学习