一个高性能模型，使用一种名为 Reflection-tuning（反思调优）的新技术进行训练，该技术教 LLM 检测其推理中的错误并纠正方向。
70b
103.4K 拉取 更新于 6 个月前
6 个月前更新
6 个月前
8fe3c853372c · 26GB
模型
架构llama
·
参数70.6B
·
量化Q2_K
26GB
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
在采样期间，模型将首先在 <thinking> 和 </thinking> 标签内输出推理，然后一旦它对其推理感到满意，它将在 <output> 和 </output> 标签内输出最终答案。每个标签都是经过模型训练的特殊标记。
这使模型能够将其内部思想和推理与最终答案分开，从而改善用户的体验。
在 <thinking> 部分中，模型可以输出一个或多个 <reflection> 标签，这表示模型已发现其推理中的错误，并将尝试在提供最终答案之前对其进行纠正。