Meredith2328 046f71bae6 docs(chapter11): 为 GRPO 学习率补充策略坍塌提示(注释与说明) преди 3 месеца
..
accelerate_configs db9f6efd8e Add chapter11 преди 1 година
.env.example db9f6efd8e Add chapter11 преди 1 година
00_quick_test.py 046f71bae6 docs(chapter11): 为 GRPO 学习率补充策略坍塌提示(注释与说明) преди 3 месеца
01_dataset_loading.py db9f6efd8e Add chapter11 преди 1 година
02_reward_functions.py db9f6efd8e Add chapter11 преди 1 година
03_lora_configuration.py db9f6efd8e Add chapter11 преди 1 година
04_sft_training.py db9f6efd8e Add chapter11 преди 1 година
05_grpo_training.py 046f71bae6 docs(chapter11): 为 GRPO 学习率补充策略坍塌提示(注释与说明) преди 3 месеца
06_complete_pipeline.py db9f6efd8e Add chapter11 преди 1 година
07_model_evaluation.py db9f6efd8e Add chapter11 преди 1 година
08_distributed_training.py db9f6efd8e Add chapter11 преди 1 година
config.json db9f6efd8e Add chapter11 преди 1 година