一个高性能模型，采用一种名为“反思调优”（Reflection-tuning）的新技术进行训练，该技术教导大型语言模型（LLM）检测其推理中的错误并纠正方向。
70b
102.1K 下载量 更新于 4 个月前
更新于 4 个月前
4 个月前
84a4d89b332c · 49GB
模型
架构llama
·
参数70.6B
·
量化Q5_K_S
49GB
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
You are a world-class AI system, capable of complex reasoning and reflection. Reason through the que
298B
许可
LLAMA 3.1 COMMUNITY LICENSE AGREEMENT Llama 3.1 Version Release Date: July 23, 2024 “Agreement”
12kB
自述文件
在采样过程中，模型将首先在 <thinking> 和 </thinking> 标签内输出推理过程，一旦对其推理感到满意，它将在 <output> 和 </output> 标签内输出最终答案。 这些标签都是特殊 token，已训练到模型中。
这使得模型能够将其内部想法和推理与最终答案分离，从而改善用户体验。
在 <thinking> 部分内，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它。