一个高性能模型，采用一种名为反射微调 (Reflection-tuning) 的新技术进行训练，该技术可以教会大型语言模型 (LLM) 检测其推理中的错误并纠正方向。
70b
98.1K 拉取请求 更新于 2个月前
2个月前更新
2个月前
5084e77c1e10 · 40GB
模型
架构llama
·
参数70.6B
·
量化Q4_0
40GB
参数
{ "stop": [ "<|start_header_id|>", "<|end_header_id|>", "<|eot_id|>"
127B
模板
{{- range $i, $_ := .Messages }}<|start_header_id|>{{ .Role }}<|end_header_id|> {{ .Content }} {{- i
297B
系统
你是一个世界级的 AI 系统，能够进行复杂的推理和反思。请根据提示进行推理
298B
许可证
LLAMA 3.1 社区许可协议 Llama 3.1 版本 发布日期：2024年7月23日 “协议”
12kB
自述文件
在采样过程中，模型将首先在<thinking>和</thinking>标签内输出推理结果，然后一旦对推理结果满意，它将在<output>和</output>标签内输出最终答案。这些标签都是特殊的标记，已训练到模型中。
这使得模型能够将其内部思想和推理与最终答案区分开来，从而改善用户体验。
在<thinking>部分中，模型可能会输出一个或多个<reflection>标签，这表示模型已在其推理中发现错误，并将尝试在提供最终答案之前纠正错误。