/ Модель

Характеристики

Контекст
131 072 токена
Параметры
32 млрд
Размер весов
65,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-32B
Опубликована
2 сен 2025

TRM

Генерация текстаТекст → текст4 профессии

TRM — китайская модель вознаграждения, которая пошагово проверяет фактическую точность ответов на вопросы и их соответствие подтверждающим документам.

26скачиваний за 30 дней6лайковвеса обновлены1 окт 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

QiyaoMa/TRM — дообученная плотная языковая модель на архитектуре Qwen2, разработанная для оценки ответов на вопросы на китайском языке по предоставленным документам. Для каждого предложения ответа модель пошагово оценивает соответствие подтверждающим источникам и фактическую корректность, используя явное рассуждение о связи вывода с источниками и внутренней логикой ответа. TRM также применяется как модель вознаграждения в оптимизации политики с подкреплением, где отдельная вспомогательная модель оценивает полезность.

Модель содержит 32 млрд параметров, использует формат safetensors и имеет контекстное окно до 131 072 токенов. Она основана на deepseek-ai/DeepSeek-R1-Distill-Qwen-32B и распространяется по лицензии Apache-2.0. Подходит для проверки фактической точности ответов и их опоры на документы в китайских системах вопросов и ответов; карточка не описывает универсальные возможности оценки для других языков или предметных областей.

Сценарии применения

  • проверка ответов на вопросы по документам на соответствие источникам
  • оценка фактической корректности отдельных предложений ответа
  • ранжирование ответов по достоверности для систем вопросов и ответов
  • формирование сигнала вознаграждения при оптимизации политики с подкреплением

Ограничения

Карточка описывает применение для китайских вопросов и ответов с подтверждающими документами; качество и поддержка других языков и задач не заявлены.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

From Faithfulness to Correctness: Generative Reward Models that Think Critically

[📜 Paper] [🖥️ Code] [🤗 Hugging Face]

In this repository, we introduce the Thinking-supervised Reward Model (TRM): a sentence-level generative reward model that equips language models with critical thinking abilities. TRM enables stepwise reasoning—from document faithfulness to factual correctness—for Chinese question answering (QA) tasks with supporting documents.

Thinking-supervised Reward Model (TRM)

Given a query, answer, and supporting documents, TRM first evaluates the faithfulness of each answer sentence to the provided evidence. Based on this faithfulness assessment, TRM then applies a step-by-step reasoning framework to judge sentence-level correctness, explicitly modeling how each reasoning step aligns with both the external sources and the internal logic of the answer.

Policy Optimization

TRM is further incorporated into policy optimization within a reinforcement learning (RL) framework, where TRM ensures correctness and an auxiliary reward model addresses usefulness.

Getting Started

Please follow instructions in https://github.com/Martin-qyma/TRM for detailed implementation.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
6b99865

0 моделей