у него не сильно отличается кажется способ тренировки от твоего? он только взял обычный калькулятор, а у тебя весь матан или я путаю?
у него не сильно отличается кажется способ тренировки от твоего? он только взял…
0 viewsОткрыть в Telegram →
Из этого канала
- #5890ну разное у меня щас с искуственными данными больше упор на sft и чтобы иметь…
ну разное у меня щас с искуственными данными больше упор на sft и чтобы иметь возможность претренить свои модельки а чел тут через grpo пытается модельку чисто…
- #5891окей, спасибо за разъяснение)
окей, спасибо за разъяснение)
- #5892кстати. стандартный грпо на qwen 1.5b на gsm8k-ru ревардхакал всегда у меня и…
кстати. стандартный грпо на qwen 1.5b на gsm8k-ru ревардхакал всегда у меня и оставался на реварде 1.
- #5888ребятки, а sdpo кажись работает
ребятки, а sdpo кажись работает
- #5886Guided by Trajectories: Repairing and Rewarding Tool-Use Trajectories for…
Guided by Trajectories: Repairing and Rewarding Tool-Use Trajectories for Tool-Integrated Reasoning https://arxiv.org/abs/2601.23032…