ホーム エクスプローラ ヘルプ
登録 サインイン
suby
/
qmd
1
0
フォーク 0
ファイル 課題 0 プルリクエスト 0 Wiki
ツリー: 3ea85eff50
ブランチ タグ

コミット履歴

作者 SHA1 メッセージ 日付
  Tobi Lutke 891f3262cf Fix GRPO reward function to handle think blocks and end tokens 4 ヶ月 前
  Tobi Lutke 8a1c4cdab0 Add 1.7B and 4B GRPO training and GGUF conversion scripts 4 ヶ月 前