Thinkless 项目亮点解析
2025-05-27 04:02:58作者:范垣楠Rhoda
项目的基础介绍
Thinkless 是一个由 National University of Singapore 的 xML Lab 开发的研究项目,旨在通过强化学习范式训练大型语言模型(LLM),使其能够自适应地选择简短或详细的推理方式。该项目提出了一种名为 Thinkless 的可学习框架,该框架通过两个控制令牌 <short>
和 <think>
来实现这种自适应选择,从而优化语言模型的推理效率和准确性。
项目代码目录及介绍
项目的代码目录结构清晰,主要包括以下几个部分:
assets/
:包含项目的静态资源。deepscaler/
:与 DeepScaler 相关的代码和资源。eval_configs/
:评估配置文件。scripts/
:项目运行的脚本文件,包括数据准备、训练、评估等。.gitattributes
:Git 属性配置文件。.gitignore
:Git 忽略文件配置。LICENSE
:项目许可证信息。README.md
:项目说明文件。run_eval.sh
:运行评估脚本的脚本文件。run_train_rl.sh
:运行强化学习训练的脚本文件。setup.py
:项目设置文件。
项目亮点功能拆解
Thinkless 的主要亮点功能包括:
- 自适应推理模式选择:模型可以根据任务复杂度和自身能力,选择使用
<short>
或<think>
令牌进行简短或详细的推理。 - Decoupled Group Relative Policy Optimization(DeGRPO)算法:该算法将混合推理的学习目标分解为控制令牌损失和响应损失两部分,从而稳定训练并防止梯度消失。
项目主要技术亮点拆解
技术上的亮点主要包括:
- 创新的强化学习训练方法:使用 DeGRPO 算法进行训练,有效提高了模型在推理任务中的性能。
- 高效的模型推理:通过自适应推理模式选择,显著提高了模型的计算效率。
与同类项目对比的亮点
与同类项目相比,Thinkless 的亮点包括:
- 更高效的推理模式选择:通过自适应选择推理模式,减少了长链推理的使用,提高了计算效率。
- 创新的训练算法:DeGRPO 算法在稳定训练和防止梯度消失方面具有优势。
Thinkless 项目不仅在技术层面上具有创新性和实用性,而且在开源社区中也具有很高的分享和协作价值。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp音乐播放器项目中的函数调用问题解析2 freeCodeCamp论坛排行榜项目中的错误日志规范要求3 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析4 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析5 freeCodeCamp全栈开发课程中React实验项目的分类修正6 freeCodeCamp课程视频测验中的Tab键导航问题解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K

deepin linux kernel
C
22
6

React Native鸿蒙化仓库
C++
192
274

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511