Экспериментальная англоязычная Llama 3.2 на 1,2 млрд параметров, дообученная DPO на предпочтениях HH-RLHF для диалоговой генерации текста.

Подходит для: эксперименты с диалоговой языковой моделью · генерация ответов в англоязычном чат-боте · изучение влияния DPO на ответы ассистента