Она в трейсах генерит что-то типа математического плана, где проверяет гипотезы…

Это я тоже сфтшил + грпо чучут

SFT я всегда в полных параметрах делал для 8B моделек А в GRPO у меня была лора с раскаткой 3 генераций насколько помню Это на 2xH100

А сколько часов и сколько вышла аренда? Если не секрет

Я еще суперприкольную штуку выдумал Вот такая моделька получилась https://huggingface.co/attn-signs/AS-Pharade-8B

Я прям полные циклы делал, с разными вариантами экспериментировал Хотел еще на лидерборд позакидывать, но руки не дошли