Производная модели unconst/Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged. Экспериментальная модель Affine на базе vera6/affine-5g4yy75zuz-t6, дообученная offline DPO для дуэльной оценки рассуждений Reason v4.

Подходит для: генерация рассуждений для дуэльной оценки Reason v4 · подготовка ответов, повышающих оценку модели-учителя · эксперименты с offline DPO на парах предпочтений