Начало Каталог Помощ
Регистрация Вход
suby
/
qmd
1
0
Разклонения 0
Файлове Задачи 0 Заявки за сливане 0 Уики
ИН на ревизия: 891f3262cf
Клонове Маркери

Commit History

Автор SHA1 Съобщение Дата
  Tobi Lutke 891f3262cf Fix GRPO reward function to handle think blocks and end tokens преди 4 месеца
  Tobi Lutke 8a1c4cdab0 Add 1.7B and 4B GRPO training and GGUF conversion scripts преди 4 месеца