Domovská stránka Prehľadávať Pomoc
Registrovať Prihlásiť sa
suby
/
qmd
1
0
Fork 0
Súbory Issues 0 Pull requesty 0 Wiki
Strom: 891f3262cf
Branche Tagy

História revízii

Autor SHA1 Správa Dátum
  Tobi Lutke 891f3262cf Fix GRPO reward function to handle think blocks and end tokens 4 mesiacov pred
  Tobi Lutke 8a1c4cdab0 Add 1.7B and 4B GRPO training and GGUF conversion scripts 4 mesiacov pred