⚡
Použitý výcvik zai-org/AgentInstruct ↗, kurátorská sada 1 866 trajektorií ve stylu ReActnapříč šesti úkoly agentů v reálném světě:
Trajektorie byly generovány pomocí GPT-4 a filtrovány podle odměny, takže jsou zachovány pouze úspěšné běhy. Každá akce je spárována s písemnou myšlenkou, která dává modelu jeho dohled nad uvažováním.
Vyladěno pomocí QLoRA a sloučeno do základních vah (16 bitů). Ztráta byla vypočtena pouze na otočení asistenta a každá konverzace byla použita v plném rozsahu bez zkrácení. Po celou dobu byla používána nativní šablona chatu Llama 3.
Učí se agentskému chování a výstupním formátům, ne novým světovým znalostem. Používá protokol ReAct prostého textu a nepoužívá nativní volání nástrojů JSON Lama. Chcete-li dosáhnout nejlepších výsledků, vyzvěte jej ve stylu původních úkolů AgentInstruct.
Licence
llama3.2
Zaměření
text-generation
Velikost repozitáře
6.0 GB
Podpora strukturovaného volání nástrojů (tool/function calling) pro agentní úlohy.
Zadej úlohu s definovanými nástroji v JSON schématu a ověř správnost volání funkcí.
Model je dostupný přes knihovnu Hugging Face Transformers. Velikost repozitáře: 6.0 GB. Licence: llama3.2.
