Etusivu Tutki Apua
Rekisteröidy Kirjaudu sisään
suby
/
qmd
1
0
Fork 0
Tiedostot Ongelmat 0 Pull-pyynnöt 0 Wiki
Puu: 891f3262cf
Haarat Tagit

Commitin historia

Tekijä SHA1 Viesti Päivämäärä
  Tobi Lutke 891f3262cf Fix GRPO reward function to handle think blocks and end tokens 4 kuukautta sitten
  Tobi Lutke 8a1c4cdab0 Add 1.7B and 4B GRPO training and GGUF conversion scripts 4 kuukautta sitten