Llama-3.1-Nemotron-70B-Instruct 是由 NVIDIA 定制的大型语言模型,旨在提高 LLM 生成的响应对用户查询的有用性。

工具 70b

28.8K 3 周前

自述文件

Llama-3.1-Nemotron-70B-Instruct 是由 NVIDIA 定制的大型语言模型,旨在提高 LLM 生成的响应对用户查询的有用性。

该模型使用 RLHF(特别是 REINFORCE)进行训练,使用 Llama-3.1-Nemotron-70B-RewardHelpSteer2-Preference prompts,在 Llama-3.1-70B-Instruct 模型作为初始策略的基础上进行训练。

$ ollama run nemotron
>>> How many r in strawberry?
A sweet question!

Let's count the "R"s in "strawberry":

1. S
2. T
3. R
4. A
5. W
6. B
7. E
8. R
9. R
10. Y

There are **3** "R"s in the word "strawberry".

参考

Hugging Face