Экспериментальное дообучение Clyrai_Lucius-1.3B-Base на архитектуре Llama для изучения маркеров рассуждений, которое авторы считают неудачным и не предназначенным для практического использования.
Подходит для: изучение неудачного эксперимента с маркерами рассуждений · личная оценка постобучения языковых моделей · исследование влияния SFT, GRPO и DPO на генерацию текста