自述文件
- 使用 CoT 数据进行微调: 我们通过使用开源 CoT 数据集和我们自主研发的合成数据,对基础模型执行全参数微调,从而开发了 Marco-o1-CoT。
- 通过 MCTS 扩展解空间: 我们将 LLM 与 MCTS (Marco-o1-MCTS) 集成,使用模型的输出置信度来指导搜索并扩展解空间。
- 推理行动策略: 我们实施了新颖的推理行动策略和反思机制 (Marco-o1-MCTS mini-step),包括在 MCTS 框架内探索不同的行动粒度,并提示模型进行自我反思,从而显著增强了模型解决复杂问题的能力。
- 在翻译任务中的应用: 我们率先将大型推理模型 (LRM) 应用于机器翻译任务,探索多语言和翻译领域中的推理时间缩放定律。
使用方法
ollama run marco-o1 "How many Rs are in strawberry?"
解析 <Output>
和 </Output>
之间的结果字符串
...
<Output>
There are 3 Rs in strawberry.
</Output>