Update README.md
Browse files
README.md
CHANGED
|
@@ -27,6 +27,11 @@ license: apache-2.0
|
|
| 27 |
|
| 28 |
**QVikhr-2.5-1.5B-Instruct-SMPO** представляет собой языковую модель, прошедшую специализированное обучение с использованием метода **SMPO**. Эта модель демонстрирует прогресс в методах выравнивания, особенно в области улучшения качества ответов через оптимизацию предпочтений.
|
| 29 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 30 |
## Обучение:
|
| 31 |
|
| 32 |
### Этап алайнмента с SMPO (Simple Margin Preference Optimization)
|
|
|
|
| 27 |
|
| 28 |
**QVikhr-2.5-1.5B-Instruct-SMPO** представляет собой языковую модель, прошедшую специализированное обучение с использованием метода **SMPO**. Эта модель демонстрирует прогресс в методах выравнивания, особенно в области улучшения качества ответов через оптимизацию предпочтений.
|
| 29 |
|
| 30 |
+
## Попробовать / Try now:
|
| 31 |
+
|
| 32 |
+
[](https://colab.research.google.com/drive/1xpTj8gLZAl2kbgciEAP9XxF5G18f7znr?usp=sharing)
|
| 33 |
+
|
| 34 |
+
|
| 35 |
## Обучение:
|
| 36 |
|
| 37 |
### Этап алайнмента с SMPO (Simple Margin Preference Optimization)
|