一个高性能模型，使用一种名为 Reflection-tuning 的新技术训练，该技术教会 LLM 检测其推理中的错误并纠正方向。
70b
103.4K 拉取次数 更新于 6 个月前
6 个月前更新
6 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
你是一个世界一流的 AI 系统，能够进行复杂的推理和反思。通过问题进行推理
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，然后在对其推理感到满意后，将在 <output> 和 </output> 标签内输出最终答案。这些标签中的每一个都是特殊的 token，经过训练并融入模型中。
这使模型能够将其内部想法和推理与最终答案分开，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，这表明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对其进行纠正。