LoongRL 14B
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített 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
- Közölt
- 27 October 2025
- Szerzők
- Siyuan Wang, Gaokai Zhang, Li Lyna Zhang, Ning Shang, Fan Yang, Dongyao Chen, Mao Yang
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Language modeling/generation, Question answering, Quantitative reasoning
- Alapmodell
- Qwen2.5-14B
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Paraméterek
- 14B
- Képzési adatok
- tokens
14B
"Batch sizes are set to 512 for 7B model and 256 for 14B model" "a maximum output length of 4,096 tokens and longcontext inputs of ∼ 16K" "We train for 168 steps in Stage I and 150 steps in Stage II" "After Stage I, we generate eight rollouts per example using the best checkpoint"
A tréning futás
Ami fizikailag szükséges volt a betanításhoz: mely chipek, hány, mennyi ideig, és ez mit fogyasztott a falból.
- Képzési hardver
- AMD Instinct MI300X
- Használt chipek
- 8
- Teljesítményfogyasztás
- 11.7 kW
Elérhetőség
Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.
- 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 a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- LoongRL: Reinforcement Learning for Advanced Reasoning over Long Contexts
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Honnan jött
LoongRL 14B ki lett adva által Microsoft Research Asia,Shanghai Jiao Tong University,Carnegie Mellon University (CMU), az országban rögzítve mint China, alatt October 2025. A kiadó szervezet a következő kategóriába tartozik industry,Academia,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling/generation, Question answering, Quantitative reasoning.
Ez alapoz. Qwen2.5-14B. A legtöbb modell ezen a skálán egy meglévő alaphoz van igazítva, ahelyett, hogy semmiből épült volna.
Súlyait soha nem tették közzé, így csak a szolgáltatóján keresztül érhető el. Nincs grafikus kártya, ami ezt megváltoztatná.
Válaszok
LoongRL 14B — gyakori kérdések
LoongRL 14B— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling/generation, Question answering, Quantitative reasoning. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
LoongRL 14B— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
LoongRL 14B— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
LoongRL 14B— Hány paramétere van?
Paraméterszáma 14B. 14B. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.
LoongRL 14B— Ki készítette ezt?
Kiadta Microsoft Research Asia,Shanghai Jiao Tong University,Carnegie Mellon University (CMU), alapján China, egy szervezet, amelyet kategorizáltak mint industry,Academia,Academia.
LoongRL 14B— Mikor adták ki?
Kibocsátották a October 2025.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..