Эхлэл Бүгдийг харах Тусламж
Бүртгүүлэх Нэвтрэх
suby
/
qmd
1
0
Салаа 0
Файлууд Асуудлууд 0 Хуулах хүсэлтүүд 0 Мэдлэгийн сан
Мод: 9b3a209a97
Салаанууд Тагууд

Коммит түүх

Эзэн SHA1 Мессеж Огноо
  Tobi Lutke 9b3a209a97 Fix GRPO training: apply chat template to prompts 4 сар өмнө
  Tobi Lutke 891f3262cf Fix GRPO reward function to handle think blocks and end tokens 4 сар өмнө
  Tobi Lutke 8a1c4cdab0 Add 1.7B and 4B GRPO training and GGUF conversion scripts 4 сар өмнө