zhouyang.xie/unsloth_deepseek @ 8d19984abd065f89ff1387ba4d78c386f8115fb1

zhouyang.xie 9fa7a6263a 修改train_model_grpo.py文件-开启vLLM 观察能否解决损失率值0并且无变化问题		před 9 měsíci
..
__pycache__	9fa7a6263a 修改train_model_grpo.py文件-开启vLLM 观察能否解决损失率值0并且无变化问题	před 9 měsíci
UnslothAlignPropTrainer.py	ca5fe63b52 完善README.MD说明	před 9 měsíci
UnslothBCOTrainer.py	c5fc011955 完善代码及说明	před 9 měsíci
UnslothCPOTrainer.py	7270ddb56d Initialize commit	před 9 měsíci
UnslothDDPOTrainer.py	ca5fe63b52 完善README.MD说明	před 9 měsíci
UnslothDPOTrainer.py	7270ddb56d Initialize commit	před 9 měsíci
UnslothGKDTrainer.py	7270ddb56d Initialize commit	před 9 měsíci
UnslothGRPOTrainer.py	e2a3b8ab23 2025-3-5 README.MD大模型选型评估，训练、微调所需计算资源评估；完善训练数据集生成、训练、推理源程序；	před 9 měsíci
UnslothKTOTrainer.py	7270ddb56d Initialize commit	před 9 měsíci
UnslothNashMDTrainer.py	7270ddb56d Initialize commit	před 9 měsíci
UnslothORPOTrainer.py	7270ddb56d Initialize commit	před 9 měsíci
UnslothOnlineDPOTrainer.py	e2a3b8ab23 2025-3-5 README.MD大模型选型评估，训练、微调所需计算资源评估；完善训练数据集生成、训练、推理源程序；	před 9 měsíci
UnslothPPOTrainer.py	7270ddb56d Initialize commit	před 9 měsíci
UnslothPRMTrainer.py	7270ddb56d Initialize commit	před 9 měsíci
UnslothRLOOTrainer.py	7270ddb56d Initialize commit	před 9 měsíci
UnslothRewardTrainer.py	7270ddb56d Initialize commit	před 9 měsíci
UnslothSFTTrainer.py	7270ddb56d Initialize commit	před 9 měsíci
UnslothXPOTrainer.py	7270ddb56d Initialize commit	před 9 měsíci