zhouyang.xie
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
|
3 ماه پیش | |
|---|---|---|
| .. | ||
| backup | 3 ماه پیش | |
| processed | 3 ماه پیش | |
| raw | 3 ماه پیش | |
|
zhouyang.xie
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
|
3 ماه پیش | |
|---|---|---|
| .. | ||
| backup | 3 ماه پیش | |
| processed | 3 ماه پیش | |
| raw | 3 ماه پیش | |