Startsida Utforska Hjälp
Registrera dig Logga in
suby
/
qmd
1
0
Fork 0
Filer Ärenden 0 Pull-förfrågningar 0 Wiki
Träd: 9b3a209a97
Grenar Taggar

Commit History

Upphovsman SHA1 Meddelande Datum
  Tobi Lutke 9b3a209a97 Fix GRPO training: apply chat template to prompts 4 månader sedan
  Tobi Lutke 891f3262cf Fix GRPO reward function to handle think blocks and end tokens 4 månader sedan
  Tobi Lutke 8a1c4cdab0 Add 1.7B and 4B GRPO training and GGUF conversion scripts 4 månader sedan