zhouyang.xie/unsloth_deepseek @ 0da8d8717190a209b329618a378d237f172403ff

zhouyang.xie 3f8e53e024 换用github jwjohns/unsloth-GRPO-qwen2.5 验证GRPO训练模型		il y a 2 mois
..
backup	5e21073349 添加示例数据集- gsm8k 小学数学	il y a 3 mois
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	il y a 3 mois
raw	3f8e53e024 换用github jwjohns/unsloth-GRPO-qwen2.5 验证GRPO训练模型	il y a 2 mois