Kezdőlap Felfedezés Súgó
Regisztráció Bejelentkezés
suby
/
qmd
1
0
Másolás 0
Fájlok Problémák 0 Beolvasztási kérések 0 Wiki
Fa: 891f3262cf
Branch-ok Tag-ek

Commit történet

Szerző SHA1 Üzenet Dátum
  Tobi Lutke 891f3262cf Fix GRPO reward function to handle think blocks and end tokens 4 hónapja
  Tobi Lutke 8a1c4cdab0 Add 1.7B and 4B GRPO training and GGUF conversion scripts 4 hónapja