zhouyang.xie
bdb109bdba
换用github jwjohns/unsloth-GRPO-qwen2.5 验证GRPO训练模型
|
преди 4 месеца | |
|---|---|---|
| .. | ||
| conf_train.yaml | преди 4 месеца | |
|
zhouyang.xie
bdb109bdba
换用github jwjohns/unsloth-GRPO-qwen2.5 验证GRPO训练模型
|
преди 4 месеца | |
|---|---|---|
| .. | ||
| conf_train.yaml | преди 4 месеца | |