高效能模型，採用名為「反思調校」(Reflection-tuning) 的新技術進行訓練，教導大型語言模型 (LLM) 偵測其推理中的錯誤並修正方向。
70b
103.4K 提取次數 更新於 6 個月前
更新於 6 個月前
6 個月前
be39ad6154f4 · 43GB
模型
架構llama
·
參數70.6B
·
量化Q4_K_M
43GB
params
{ "stop": [ "<|start_header_id|>", "<|end_header_id|>", "<|eot_id|>"
127B
template
{{- range $i, $_ := .Messages }}<|start_header_id|>{{ .Role }}<|end_header_id|> {{ .Content }} {{- i
297B
system
You are a world-class AI system, capable of complex reasoning and reflection. Reason through the que
298B
license
LLAMA 3.1 COMMUNITY LICENSE AGREEMENT Llama 3.1 Version Release Date: July 23, 2024 “Agreement”
12kB
Readme
在採樣期間，模型會先在 <thinking> 和 </thinking> 標籤內輸出推理過程，然後一旦對其推理感到滿意，就會在 <output> 和 </output> 標籤內輸出最終答案。這些標籤都是特殊 tokens，已訓練到模型中。
這使得模型能夠將其內部的想法和推理與最終答案分開，從而改善使用者體驗。
在 <thinking> 區段內，模型可能會輸出一個或多個 <reflection> 標籤，這表示模型已在其推理中發現錯誤，並將嘗試在提供最終答案之前更正它。