LoongRL 7B
Nincs becslés
Ennekhez a modellhez nincs hardverkövetelmény
A modellhez tartozó súlyokat nem tették közzé, így azt semmilyen méretben nem lehet letölteni vagy saját hardveren futtatni. Csak az adattovábbítóján keresztül érhető el, és semmilyen grafikus kártya nem változtat ezen..
Felvételen
Teljes specifikáció
Minden adatok ezen a modellen. A legtöbb leírás arról szól, hogyan volt kiképzve, nem pedig arról, hogyan fut — hasznos háttérinformáció arra vonatkozóan, hogy mennyi munka került bele, és hogyan viszonyul más méretű modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Microsoft Research Asia,Shanghai Jiao Tong University,Carnegie Mellon University (CMU)
- Szervezet típusa
- Industry,Academia,Academia
- Ország
- China, United States of America
- Kiadva
- 27 October 2025
- Szerzők
- Siyuan Wang, Gaokai Zhang, Li Lyna Zhang, Ning Shang, Fan Yang, Dongyao Chen, Mao Yang
Mit csinál
A modell által épített probléma területek. Egy modell több különbözőt is tartalmazhat.
- Irányítószám
- Language
- Feladat
- Language modeling/generation, Question answering, Quantitative reasoning
- Alap modell
- Qwen2.5 Instruct (7B)
Méret
Mekkora a modell és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek meghatározzák, hogy illeszkedik-e egy adott grafikus kártyára.
- Paraméterek
- 7B
- Képzési adatok
- tokens
7B
"Batch sizes are set to 512 for 7B model" "a maximum output length of 4,096 tokens and longcontext inputs of ∼ 16K" "42 steps in warm-up, 168 in Stage I and 118 in Stage II" "After Stage I, we generate eight rollouts per example using the best checkpoint"
A képzési futam
A kiképzéshez fizikailag szükséges volt: milyen chipek, hány, meddig és mennyi áramot vett le a hálózatról.
- Képzési hardver
- NVIDIA A100
- Felhasznált chipek
- 16
- Energiafogyasztás
- 12.5 kW
Elérhetőség
Hogy megszerezheted-e a modellt és futtathatod a saját hardvereden, ami eldönti, hogy a ezen az oldalon szereplő grafikus kártyák adatai alkalmazhatóak-e.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Unreleased
- Képzés kód
- Open (non-commercial)
"We have made extensive efforts to ensure the reproducibility of our work. Details of the GRPO algorithm and hyperparameters are provided in Section 3.2.1 and Section 4.1. We provide our training prompt template in Appendix A.2. The datasets used in our experiments are described in Table 1. To further facilitate reproducibility, the supplementary materials include (i) our RL training code, (ii) the code for synthesizing KeyChain data, and (iii) several representative samples of the synthesized K…
Hogyan van besorolva
Címkék, amelyeket a forráshalmaz alkalmaz, amikor figyelemmel kíséri a figyelemre méltó modelleket, és mennyire biztos a bejegyzésben.
- Rögzítési bizalom
- Confident
Források
Honnan származik ez a rekord és mikor ellenőrizték utoljára.
- Referencia
- LoongRL: Reinforcement Learning for Advanced Reasoning over Long Contexts
- Utoljára frissítve
- 28 November 2025
Mit jelentek a számok
Background
LoongRL 7B was published by Microsoft Research Asia,Shanghai Jiao Tong University,Carnegie Mellon University (CMU), in China, in October 2025. industry,Academia,Academia is the category the publisher falls under.
It works in Language, and is recorded as doing language modeling/generation, Question answering, Quantitative reasoning.
It is derived from Qwen2.5 Instruct (7B) rather than trained from scratch, which is the usual way a specialised model is produced.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Válaszok
LoongRL 7B — Gyakran ismételt kérdések
Is LoongRL 7B open source?
No. LoongRL 7B has not had its weights published, so it exists only as a service controlled by its owner.
Hány paramétere van a LoongRL 7B-nek?
LoongRL 7B has 7B parameters. 7B. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created LoongRL 7B?
LoongRL 7B was published by Microsoft Research Asia,Shanghai Jiao Tong University,Carnegie Mellon University (CMU), based in China, categorised as industry,Academia,Academia.
When was LoongRL 7B released?
LoongRL 7B was published in October 2025.
What is LoongRL 7B used for?
LoongRL 7B works in Language, and is recorded as handling language modeling/generation, Question answering, Quantitative reasoning. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run LoongRL 7B?
None. LoongRL 7B is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már rendelkezik egy kártyával és szeretné tudni, hogy minden mit fog futtatni, kérjük, folytassa., kezdje a hardverrel inkább.