короче хз, мне все нравки. в целом можно сливать

а еще можно UI немножко пошаманить

А еще вот чо надо - подборка датасетов для грпо же

будет gsm8k на инглише и на русском от d0rj

весь день потратил на отладку lora в grpo прям очень плохая сходимость была оказалось learning rate надо было 5e-05 сделать... в 10 раз поднять блин.

Falcon-H1-Tiny: A series of extremely small, yet powerful language models redefining capabilities at small scale…