FreedomIntelligence 发布了 HuatuoGPT-3-9B,这是一款新的医疗领域大语言模型。该模型基于 Qwen3.5-9B 构建,并采用了一种名为 One-stage Policy Optimization (OnePO) 的新颖训练方法。OnePO 允许模型在单一强化学习阶段适应医疗语境,无需进行初始监督微调。 AI
影响 引入了一种新的训练范式,用于领域特定的 LLM,有望加速其在专业领域的适应性。
排序理由 发布一款采用新颖训练方法的新模型。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →