一个高性能模型，使用一种名为 Reflection-tuning 的新技术进行训练，该技术教导 LLM 检测其推理中的错误并纠正方向。
70b
103.4K 下载次数 更新于 6 个月前
更新于 6 个月前
6 个月前
be39ad6154f4 · 43GB
模型
架构llama
·
参数70.6B
·
量化Q4_K_M
43GB
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
您是一个世界级的 AI 系统，能够进行复杂的推理和反思。 通过队列进行推理
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
在采样期间，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，它将在 <output> 和 </output> 标签内输出最终答案。 这些标签都是特殊的 token，经过训练进入模型。
这使得模型能够将其内部想法和推理与其最终答案分开，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。