صفحهٔ اصلی گشت‌و‌گذار راهنما
ثبت نام ورود
suby
/
qmd
1
0
انشعاب 0
پرونده‌ها مشکلات 0 درخواست واکشی 0 ویکی
درخت: 891f3262cf
شاخه‌ها تگ‌ها

تاریخچه Commit ها

نویسنده SHA1 پیام تاریخ
  Tobi Lutke 891f3262cf Fix GRPO reward function to handle think blocks and end tokens 4 ماه پیش
  Tobi Lutke 8a1c4cdab0 Add 1.7B and 4B GRPO training and GGUF conversion scripts 4 ماه پیش