zhouyang.xie/unsloth_deepseek

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		2 hónapja
..
train.jsonl	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	2 hónapja
train_windturbine_old.jsonl	97fe68c387 更换unsloth grpo的训练数据集并验证	3 hónapja
unified_chip2.jsonl	7270ddb56d Initialize commit	3 hónapja