Sākums Izpētīt Palīdzība
Reģistrēties Pierakstīties
suby
/
qmd
1
0
Atdalīts 0
Faili Problēmas 0 Izmaiņu pieprasījumi 0 Vikivietne
Koks: 891f3262cf
Atzari Tagi

Revīziju vēsture

Autors SHA1 Ziņojums Datums
  Tobi Lutke 891f3262cf Fix GRPO reward function to handle think blocks and end tokens 4 mēneši atpakaļ
  Tobi Lutke 8a1c4cdab0 Add 1.7B and 4B GRPO training and GGUF conversion scripts 4 mēneši atpakaļ