GigaChat 3.5 Reasoning — первая в России открытая модель с рассуждениями
<img src="https://habrastorage.org/getpro/habr/upload_files/12c/b70/4eb/12cb704eb50dc6a48f49ff4a1e493e6f.jpg" /><p>Привет, Хабр. Мы выпускаем <strong>GigaChat 3.5 Reasoning</strong>, первую модель GigaChat с полноценным рассуждением, обученную на технологии online RL.</p><p>Главное, что изменилось в обучении: после SFT модель целиком прошла через online RL. Не один домен и не одна финальная стадия, а шесть отдельных экспертов (математика, код, агенты и другие), каждый со своей наградой, которые потом собрали обратно в одну модель.<br><br>В статье расскажем не только про цифры, но и про то, как устроен конвейер, как модель взламывала награды и почему всё это заняло больше девяти месяцев. </p> <a href="https://habr.com/ru/articles/1080596/?utm_source=habrahabr&utm_medium=rss&utm_campaign=1080596#habracut">Читать далее</a>