一个高性能模型，采用一种名为 Reflection-tuning 的新技术进行训练，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 更新于 6 个月前
更新于 6 个月前
6 个月前
9c6705916e06 · 37GB
模型
架构llama
·
参数70.6B
·
量化Q3_K_L
37GB
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。通过问题进行推理。
298B
许可
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，然后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。 这些标签中的每一个都是特殊令牌，已训练到模型中。
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。