zhouyang.xie/unsloth_deepseek

نویسنده	SHA1 پیام	تاریخ
zhouyang.xie	acebf42a2f 修改训练代码为train_model_grpo_v1.2.py 以解决训练输出未达预期问题	3 ماه پیش
zhouyang.xie	7409bac7d8 修改训练代码为train_model_grpo_v1.2.py 以解决训练输出未达预期问题	3 ماه پیش
zhouyang.xie	9ff6f0acd6 修改训练代码为train_model_grpo_v1.2.py 以解决训练输出未达预期问题	3 ماه پیش
zhouyang.xie	dc546bc9b7 修改训练代码为train_model_grpo_v1.2.py 以解决训练输出未达预期问题	3 ماه پیش