/ Модель

Характеристики

Библиотека
transformers
Опубликована
4 июн 2025

DeepSeek-R1-Distill-Qwen-14B-GRPO-Taiwan-Spirit

Генерация текстаТекст → текст4 профессии

Разговорная текстовая модель, дообученная с TRL для генерации ответов и продолжения диалога.

111скачиваний за 30 дней2лайкавеса обновлены30 июн 2025

Бенчмарки

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

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

kartd/DeepSeek-R1-Distill-Qwen-14B-GRPO-Taiwan-Spirit — разговорная текстовая модель, представленная как дообученная версия с использованием TRL. В README для примера запуска указана модель kartd/DeepSeek-R1-Distill-Qwen-14B-GRPO; название модели и метки указывают на семейства DeepSeek-R1 и Qwen, а также обучение методом GRPO, однако точный размер и связь с базовым чекпойнтом по доступным данным установить нельзя.

Модель предназначена для генерации текста в диалоговом формате. Её можно использовать для ответов на вопросы и продолжения беседы; запуск в примере выполняется через Transformers pipeline с задачей text-generation. В метаданных указаны формат safetensors и возможность чата.

Карточка не описывает специализацию на тайваньской тематике, поддержку языков или оценку качества. Лицензия и условия использования в предоставленных данных отсутствуют, поэтому определить их нельзя.

Сценарии применения

  • ответы на вопросы в чате
  • продолжение диалога на заданную тему
  • генерация текста по сообщению пользователя

Ограничения

В карточке нет сведений о качестве, языковой поддержке, точном базовом чекпойнте и лицензии; название Taiwan-Spirit само по себе не подтверждает специализацию на тайваньской тематике.

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

(Test 6 )

Model Card for DeepSeek-R1-Distill-Qwen-14B-GRPO-Taiwan-Spirit

This model is a fine-tuned version of None. It has been trained using TRL.

Quick start

from transformers import pipeline

question = "If you had a time machine, but could only go to the past or the future once and never return, which would you choose and why?"
generator = pipeline("text-generation", model="kartd/DeepSeek-R1-Distill-Qwen-14B-GRPO", device="cuda")
output = generator([{"role": "user", "content": question}], max_new_tokens=128, return_full_text=False)[0]
print(output["generated_text"])

Training procedure

This model was trained with GRPO, a method introduced in DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models.

Framework versions

  • TRL: 0.18.0.dev0
  • Transformers: 4.52.0.dev0
  • Pytorch: 2.6.0
  • Datasets: 3.6.0
  • Tokenizers: 0.21.1

Citations

Cite GRPO as:

@article{zhihong2024deepseekmath,
    title        = {{DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models}},
    author       = {Zhihong Shao and Peiyi Wang and Qihao Zhu and Runxin Xu and Junxiao Song and Mingchuan Zhang and Y. K. Li and Y. Wu and Daya Guo},
    year         = 2024,
    eprint       = {arXiv:2402.03300},
}

Cite TRL as:

@misc{vonwerra2022trl,
	title        = {{TRL: Transformer Reinforcement Learning}},
	author       = {Leandro von Werra and Younes Belkada and Lewis Tunstall and Edward Beeching and Tristan Thrush and Nathan Lambert and Shengyi Huang and Kashif Rasul and Quentin Gallou{\'e}dec},
	year         = 2020,
	journal      = {GitHub repository},
	publisher    = {GitHub},
	howpublished = {\url{https://github.com/huggingface/trl}}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
a5bbe63

0 моделей