Find the right model.
Download more easily.

openjev 是基于 Qwen3.5 训练的 jev 模型。提供三个规模的检查点：4B、2B、0.8B。 openjev 是一个单一的交叉编码器，读取前提（premise）和假设（hypothesis），输出 entailment（蕴含）、contradiction（矛盾）或 neutral（中立）三种判断。这一能力可应用于：重新排序答案、根据参考答案评分、内容审查、以及实时玩游戏。将游戏状态和若干相关陈述输入模型，entailment 概率最高的选项即为下一步操作。整个模

WorldPM-72B-UltraFeedback WorldPM（World Preference Modeling）表明偏好建模遵循与语言建模相似的缩放定律。通过在1500万偏好数据上的大规模训练，我们证明了偏好模型可以学习统一的偏好表示。 在对抗性评估中，测试损失呈现幂律下降，表明模型在识别故意错误的回答以及写得很好但不相关或不完整的回答方面能力增强。客观指标揭示了一种涌现现象，更大的模型在更多基准测试中表现出测试损失的幂律下降。WorldPM是一项具有挑战性的任务，需

WorldPM-72B-RLHFLow WorldPM（World Preference Modeling，通用偏好建模）通过在1500万条偏好数据上进行大规模训练，表明偏好建模遵循与语言建模相似的缩放定律。偏好模型能够学习统一的偏好表示。 在对抗性评估中，测试损失呈现幂律下降，表明模型识别故意错误回答以及写得不错但不相关或不完整回答的能力增强。客观指标显示出涌现现象：更大的模型在更多基准测试中表现出测试损失幂律下降。WorldPM是一项具有挑战性的任务，需要更大的模型来激发

WorldPM（World Preference Modeling，通用偏好建模）通过在1500万条偏好数据上进行大规模训练，证明了偏好建模遵循与语言建模相似的缩放定律。研究表明，偏好模型能够学习统一的偏好表示。 客观评估表现：在对抗性评估中，测试损失呈现幂律下降，表明模型识别故意错误回答以及写得不错但不相关或不完整回答的能力增强。更大的模型在更多基准测试中表现出测试损失幂律下降的涌现现象。 主观评估表现：主观评估未呈现明显的缩放趋势。这是因为主观评估本质上是多维度的平均结果

Qwen2.5-Math-7B-PRM800K Qwen2.5-Math-7B-PRM800K是ProcessBench的基线模型，仅用于复现目的。该模型通过对Qwen2.5-Math-7B-Instruct在开源数据集PRM800K的训练集上进行微调获得。 这是一个过程奖励模型，用于对推理质量和中间步骤提供反馈，而非用于内容生成。模型能够对数学问题的解答过程中每个步骤的质量进行评估。

Qwen2-Math-RM-72B是一个奖励模型，专门设计用于在训练过程中为Qwen2-Math模型提供关于推理质量和中间步骤的细粒度反馈，以实现更稳健的模型改进。 训练数据增强：通过奖励模型评分结合拒绝采样的数据选择流程，逐步提升响应质量。 强化学习训练：可无缝集成到强化学习训练中，提供有效的奖励信号，进一步提升模型性能。

Qwen2.5-Math-PRM-7B Qwen2.5-Math-PRM-7B是一个过程奖励模型（Process Reward Model），专门用于对大型语言模型数学推理过程中的中间步骤进行质量评估和反馈。与结果奖励模型（ORM）不同，该模型专注于识别和评估推理链中的每一步，而非仅对最终答案进行评分。 在Best-of-N（BoN）评估中表现出色，能够有效筛选高质量的推理路径。在ProcessBench基准测试中展现出较强的中间步骤错误识别能力，可用于识别数学推理过程中的错

Qwen2.5-Math-RM-72B 是一个奖励模型，专门用于在训练过程中为 Qwen2.5-Math 模型提供更细粒度的推理质量和中间步骤反馈，从而促进模型性能的提升。该模型主要用于拒绝采样、强化学习训练和 RM@N 策略。 多语言与多模态支持：支持中文和英文两种语言的偏好信号，以及思维链和工具集成推理两种模式。 训练数据增强：采用奖励模型评分结合拒绝采样的数据选择流程，逐步提升响应质量。

Qwen2.5-Math-PRM-72B 过程奖励模型（Process Reward Model），用于对大型语言模型数学推理过程中的中间步骤进行质量评估和错误识别。与结果奖励模型（ORM）不同，该模型专注于提供推理过程反馈，而非直接生成答案。 在Best-of-N（BoN）评估中表现出色，在ProcessBench基准测试中展现出较强的中间步骤错误识别能力。可用于过程监督，帮助识别和减轻数学推理过程中的中间错误。

WorldPM（World Preference Modeling，世界偏好建模）研究表明，偏好建模遵循与语言建模相似的缩放定律。通过在1500万条偏好数据上进行大规模训练，我们证明了偏好模型可以学习统一的偏好表示。 在对抗性评估中，测试损失呈幂律下降，表明模型识别故意错误响应以及写得很好但不相关或不完整响应的能力得到增强。 客观指标揭示了一种涌现现象：更大的模型在更多基准测试中表现出测试损失的幂律下降。WorldPM是一项具有挑战性的任务，需要更大的模型来激发对客观知识的偏

这是一个数学推理模型，属于OREAL系列模型的一部分。该模型是OREAL强化学习训练的初始策略模型（policy model）。同时发布了SFT版本供社区使用，以促进数学推理强化学习的研究。 OREAL-32B-SFT是一个基于结果奖励强化学习（Outcome Reward-based Reinforcement Learning）训练的数学推理模型。该模型在多个数学基准测试中表现优异： MATH-500：95.0 pass@1

[](https://github.com/InternLM/xtuner/) [](https://github.com/InternLM/lmdeploy/) [](https://github.com/sgl-project/sglang/)

[](https://github.com/InternLM/xtuner/) [](https://github.com/InternLM/lmdeploy/) [](https://github.com/sgl-project/sglang/)

[](https://github.com/InternLM/xtuner/) [](https://github.com/InternLM/lmdeploy/) [](https://github.com/sgl-project/sglang/)

[](https://github.com/InternLM/xtuner/) [](https://github.com/InternLM/lmdeploy/) [](https://github.com/sgl-project/sglang/)

Qwen3-Reranker-0.6B 是阿里云 Qwen3 系列的文本重排序模型，专门用于对检索系统返回的候选文档进行相关性排序。该模型基于 Qwen3 密集基础模型构建，继承了其优秀的多语言能力、长文本理解和推理能力。 文本重排序：对检索候选结果进行二次排序，提升最终结果的相关性 多语言支持：支持超过100种语言，包括多种编程语言

Qwen3-Reranker-4B 是阿里云 Qwen3 系列的文本重排序模型，专门用于对检索候选文档进行重新排序，将最相关的文档排在更靠前的位置。该模型基于 Qwen3 密集基础模型构建，继承了其出色的多语言能力、长文本理解和推理能力。 该模型支持超过 100 种语言，包括多种编程语言，具备强大的多语言、跨语言和代码检索能力。在各项基准测试中表现优异：MTEB-R 得分 69.76，CMTEB-R 得分 75.94，MMTEB-R 得分 72.74，MTEB-Code 得分

Qwen3-Reranker-8B 是阿里云通义千问家族的重排序模型，专门用于文本重排序任务。 文本重排序：将查询与候选文档进行匹配，重新排序候选文档以提高检索结果的相关性。 支持超过100种语言，包括多种编程语言