Procházet zdrojové kódy

更换unsloth grpo的训练数据集并验证

zhouyang.xie před 4 měsíci
rodič
revize
efef4ac205
1 změnil soubory, kde provedl 1 přidání a 1 odebrání
  1. 1 1
      src/train_model_grpo.py

+ 1 - 1
src/train_model_grpo.py

@@ -209,7 +209,7 @@ class ModelTrainer:
                 correctness_reward_func,
             ],
             args = training_args,
-            train_dataset = dataset,
+            train_dataset = train_dataset,
         )
         
         # 训练模型