ОбзорДокументацияВойти
/
rnekrasov
/
grpo-qwen-deepcoder
Код
Запросы
0
Задачи
Вики
Релизы
0
CI/CD
Аналитика
Безопасность

grpo-qwen-deepcoder

0

Описание

Повтор эксперимента DeepCoder без Кульбака-Лейблера дивергенции (модель получает возможности для исследования)

1.11 MiB
README
В избранном0
Форки0

Языки

  • Python100%
1
5
0

Роман Некрасов

07 июн 2025, 07:35
README.md
год назад
checkpoint_test_with_baseline.log
год назад
grpo_training_deepcoder_style.log
год назад
qwen3_grpo_deepcoder_v7.py
год назад
qwen3_grpo_deepcoder_v8.py
год назад
requirements.txt
год назад
test_grpo_checkpoint.py
год назад
test_results_comparison.png
год назад
test_results_detailed_comparison.png
год назад
test_results_with_baseline.json
год назад
visualize_test_results.py
год назад
README.md