zhouyang.xie/unsloth_deepseek @ 7b5779cba90739571e7b474847487d5578fe4963

zhouyang.xie 3f8e53e024 换用github jwjohns/unsloth-GRPO-qwen2.5 验证GRPO训练模型		4 месяцев назад
..
backup	5e21073349 添加示例数据集- gsm8k 小学数学	4 месяцев назад
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	4 месяцев назад
raw	3f8e53e024 换用github jwjohns/unsloth-GRPO-qwen2.5 验证GRPO训练模型	4 месяцев назад