讀我檔案
- 使用 CoT 數據進行微調: 我們通過使用開源 CoT 數據集結合我們自行開發的合成數據,對基礎模型進行全參數微調,從而開發出 Marco-o1-CoT。
- 通過 MCTS 擴展解決方案空間: 我們將 LLM 與 MCTS (Marco-o1-MCTS) 整合,使用模型的輸出置信度來引導搜索並擴展解決方案空間。
- 推理行動策略: 我們實施了新穎的推理行動策略和反思機制 (Marco-o1-MCTS mini-step),包括探索 MCTS 框架內不同的行動粒度,並提示模型進行自我反思,從而顯著提高模型解決複雜問題的能力。
- 在翻譯任務中的應用: 我們是第一個將大型推理模型 (LRM) 應用於機器翻譯任務的團隊,探索多語言和翻譯領域中的推理時間縮放定律。
使用方法
ollama run marco-o1 "How many Rs are in strawberry?"
解析 <Output>
和 </Output>
之間的結果字串
...
<Output>
There are 3 Rs in strawberry.
</Output>