PokeeResearch-7B是由Pokee AI开发的70亿参数深度研究代理模型，结合了AI反馈强化学习（RLAIF）和强大的推理框架，能够在工具增强的大语言模型中实现可靠、对齐和可扩展的研究级推理，适用于复杂的多步骤研究工作流程。

自然语言处理Transformers英语

PokeeResearch-7B是由Pokee AI开发的70亿参数深度研究智能体，结合基于AI反馈的强化学习(RLAIF)与推理框架，能够执行复杂的多步骤研究工作流程，包括自我修正、验证和综合分析。

自然语言处理Transformers英语

Apriel-1.5-15B-Thinker是一个专为图像理解与推理设计的150亿参数多模态模型，采用中期训练方法而非RLHF训练。本版本为适用于苹果芯片的MLX量化版本，具有内存占用小、启动速度快的特点。

多模态Mlx英语

Frugal-Math-4B是一款针对数学推理优化的4B参数语言模型，通过强化学习验证奖励（RLVR）方法训练，能够在保持高准确性的同时生成简洁、可验证的数学解决方案，显著减少推理冗长性。

自然语言处理Transformers支持多种语言

本模型基于GPT-OSS-20B，借助Unsloth强化学习框架进行微调，旨在优化推理效率，同时减少在从人类反馈中进行强化学习（RLHF）式训练期间出现的漏洞。微调过程着重于对齐的鲁棒性和效率，确保模型在不产生过多计算开销的情况下保持推理深度。

自然语言处理Transformers英语

基于microsoft/phi-4（14B）基础模型的三阶段训练GRPO推理测试模型，通过SFT→RLHF→SFT流程微调，具备优秀的多步推理能力

自然语言处理Transformers支持多种语言

MiMo是小米专为推理任务从头开始训练的大语言模型系列，通过优化预训练和后训练策略，在数学和代码推理任务上展现出卓越性能。项目开源了7B参数规模的多个版本，包括基础模型、SFT模型和RL模型。

自然语言处理Transformers

基于Qwen3-1.7B微调的版本，通过1-shot强化学习与可验证奖励（RLVR）方法增强了数学推理能力，在数学基准测试和编码任务中表现出色。

自然语言处理Safetensors

ReasonGen-R1是一个融合思维链推理的自回归图像生成模型，通过SFT和RL提升图像生成的逻辑性和质量。

多模态Transformers

单体模型（Monomer）是一系列推理语言模型（RLMs）的集合，专注于中英文场景下的规划、设计和写作任务，提供清晰的分步推理轨迹。

自然语言处理Transformers支持多种语言

OLMo 2 1B指令版是基于OLMo-2-0425-1B-RLVR1模型的后训练变体，经过监督微调、DPO训练和RLVR训练，旨在实现多种任务的最先进性能。

自然语言处理Gguf英语

MiMo-7B 是小米推出的专为推理任务设计的语言模型系列，包括基础模型、SFT模型和RL模型，在数学和代码推理任务上表现优异。

自然语言处理Transformers

OLMo 2 1B RLVR 1 April 2025是基于allenai/OLMo-2-0425-1B-DPO模型的后训练变体，在多种特定数据集上进行了微调训练。该模型在数学推理、代码生成、指令跟随等多个任务中展现出了较好的性能，是一个专为研究和教育目的设计的1B参数规模的大语言模型。

自然语言处理Transformers英语

OLMo 2 1B是基于allenai/OLMo-2-0425-1B-RLVR1模型的后训练变体，经过监督微调、DPO训练和RLVR训练，旨在实现多种任务的最先进性能。

自然语言处理Transformers英语

Qwen-2.5-7B-base-RAG-RL 是一个基于未知数据集从头开始训练的7B参数规模的大语言模型，结合了检索增强生成(RAG)和强化学习(RL)技术。

自然语言处理Transformers

基于Qwen/Qwen2.5-1.5B-Instruct模型进行微调，使用了TinyV奖励系统，能在高效强化学习（RL）后训练中提供更准确的奖励信号，显著提升RL效率和最终模型性能。

自然语言处理Transformers

专为Gensyn RL Swarm设计的1.5B参数指令微调模型，支持通过点对点强化学习进行本地微调

自然语言处理Transformers英语

Beaver-7B-v3.0 是一个基于 LLaMA 架构的 7B 参数大语言模型，专注于安全性和人类反馈强化学习（RLHF）。

自然语言处理Gguf英语

VLAA-Thinker是一个创新的视觉语言模型，能够同时处理图像和文本输入，并生成高质量的文本输出。该模型基于论文《SFT or RL? An Early Investigation into Training R1-Like Reasoning Large Vision-Language Models》的研究成果开发，专注于类似R1的推理能力。

多模态Transformers

Captain-Eris_Violet是一个通过多阶段监督微调、QLoRA适配器和GRPO优化的RLHF开发的先进语言模型，适用于角色扮演和对话生成。

自然语言处理Transformers英语