GreenMind-14B-R1

系统要求

不同量化方法和上下文大小的显存要求

没有可用的 GreenMind-14B-R1 评估基准。

关于 GreenMind-14B-R1

GreenMind-14B-R1 是由 GreenNode 开发的一款拥有 147 亿参数的越南语推理模型。它是一个基于 Qwen2.5-14B-Instruct 基础架构衍生的稠密（dense）、仅解码器（decoder-only）Transformer 模型。该模型专门针对越南语的多步逻辑推理和高保真文本生成而设计，解决了长链条推理中常见的语言混杂和事实漂移等局限性。通过应用思维链（CoT）方法，GreenMind 旨在将复杂的查询分解为中间逻辑步骤，然后再生成最终回复。

该模型采用了一种名为组相对策略优化（GRPO）的专门微调策略，在保持计算效率的同时优化了推理过程。这一训练方法辅以一个精选的越南语指令数据集，其中包含超过 55,000 个涵盖文化、法律和教育领域的样本。为了确保语言一致性，训练流水线集成了特定的奖励函数和基于 Sentence Transformer 的验证，以防止非越南语字符的侵入，并保持推理路径的事实完整性。

GreenMind-14B-R1 针对 NVIDIA NIM 部署进行了优化，适用于企业级应用，包括法律和金融助手、上下文感知对话智能体以及复杂的文档检索系统。该架构支持高达 131,072 个 token 的输入处理上下文长度，最大生成限制为 8,192 个 token。它集成了 RoPE 位置嵌入和 SwiGLU 激活函数等现代 Transformer 技术，使其成为越南本土化 AI 基础设施中具备高度技术先进性的工具。

技术规格

资源

关于 GreenMind

GreenMind 是由 GreenNode 开发的开源越南语推理语言模型系列。它针对越南语的多步推理任务（如逻辑、数学和情景分析）进行了优化。该模型旨在单 GPU 硬件配置下高效运行。

其他 GreenMind 模型

• 没有相关模型