Исследовательская версия Qwen2.5-Math-1.5B для изучения влияния инвертированной награды и рангового ограничения обновлений на решение математических задач.

Подходит для: воспроизведение эксперимента GRPO с инвертированной наградой · сравнение математических ответов с базовым Qwen2.5-Math-1.5B · проверка поведения модели на бенчмарках AIME и AMC

Исследовательский вариант Qwen2.5-Math-1.5B для изучения влияния ошибочной награды на генерацию решений математических задач.

Подходит для: исследование обучения математической модели с ошибочным сигналом вознаграждения · воспроизведение экспериментов GRPO на математических задачах · сравнение генерации ответов на бенчмарках AIME, AMC и MATH500

Базовая корейская языковая модель RWKV на 6,8 млрд параметров для генерации текста и исследований открытых LLM.

Подходит для: генерация текста на корейском языке · эксперименты с корейскими открытыми языковыми моделями · исследование архитектуры RWKV для генерации текста

safetensors: формат, квантизация, runtime и память принадлежат одному artifact