История коммитов

Автор SHA1 Сообщение Дата
  Jeff Tang 7edf3d8df0 llm as a judge running now 1 месяц назад
  Jeff Tang 57c05170eb added llm as a judge reward func 1 месяц назад
  Jeff Tang c88e10fab6 grpo llama 3.2 3b with 3 reward functions 1 месяц назад