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