|
|
--- |
|
|
language: |
|
|
- da |
|
|
base_model: |
|
|
- meta-llama/Llama-3.1-8B-Instruct |
|
|
--- |
|
|
|
|
|
# o7 |
|
|
o7 er den første reasoning model trænet udelukkende på Dansk. |
|
|
|
|
|
Modellen er trænet med GRPO (en reinforcement learning metode skabt af DeepSeek) over 8 dage på et enkelt A100. |
|
|
|
|
|
## Instruktion, ingen chat |
|
|
Modellen er ikke trænet til at svare på opfølgende spørgsmål, og fungerer derfor bedst ved et spørgsmål pr. "chat". |
|
|
|
|
|
## Licens |
|
|
Følger MIT for privatpersoner og organisationer der vil bruge modellen til forskning. Ved kommercielt brug skal der betales 1 kr. for en livstidslicens. Læs LICENSE.txt for den fulde licens. |
|
|
|
