基于cduoduo/TCMConverse-4B-SFT和多个奖励模型,使用PPO算法应用优化后的奖励函数进行偏好对齐后的模型。
使模型具备了更强的中医咨询能力。
任何问题请联系邮箱:longfeichai@stu.haust.edu.cn
Inference Providers
NEW
This model isn't deployed by any Inference Provider.
🙋
Ask for provider support
基于cduoduo/TCMConverse-4B-SFT和多个奖励模型,使用PPO算法应用优化后的奖励函数进行偏好对齐后的模型。
使模型具备了更强的中医咨询能力。
任何问题请联系邮箱:longfeichai@stu.haust.edu.cn