This website works better with JavaScript
Начало
Каталог
Помощ
Регистрация
Вход
zhouyang.xie
/
unsloth_deepseek
Наблюдаван
1
Харесван
0
Разклонения
0
Файлове
Задачи
0
Заявки за сливане
0
Уики
ИН на ревизия:
0da8d87171
Клонове
Маркери
master
unsloth_deep...
/
data
zhouyang.xie
3f8e53e024
换用github jwjohns/unsloth-GRPO-qwen2.5 验证GRPO训练模型
преди 2 месеца
..
backup
5e21073349
添加示例数据集- gsm8k 小学数学
преди 3 месеца
processed
0f1c8812cb
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
преди 2 месеца
raw
3f8e53e024
换用github jwjohns/unsloth-GRPO-qwen2.5 验证GRPO训练模型
преди 2 месеца