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

grpo-qwen-deepcoder

0

Описание

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

Избранное0
Следят1

Языки

Python

Сообщить о нарушении
1
5
0
README.md
14 дней назад
checkpoint_test_with_baseline.log
9 дней назад
grpo_training_deepcoder_style.log
9 дней назад
qwen3_grpo_deepcoder_v7.py
14 дней назад
qwen3_grpo_deepcoder_v8.py
13 дней назад
requirements.txt
14 дней назад
test_grpo_checkpoint.py
9 дней назад
test_results_comparison.png
9 дней назад
test_results_detailed_comparison.png
9 дней назад
test_results_with_baseline.json
9 дней назад
visualize_test_results.py
9 дней назад
README.md