recenter-personalization-stage2-grpo
leczhang·Генерация текстановое
Qwen3-4B негізіндегі GRPO-модель пайдаланушы профиліндегі атрибуттың сұрауға қатысты екенін бағалап, персонализированный ответке әсер етуі керектігін анықтайды.
Подходит для: Пайдаланушы сұрауына профиль атрибутының қатыстылығын бағалау · Жекелендірілген жауап алдында профиль ақпаратын сүзу · Сұрауға әсер ететін пайдаланушы қалауларын таңдау
Загрузки на Hugging Face · 167Лайки · 0Контекст · 40 960 токеновВыход на Hugging Face · 5 окт 2026