| 作者 | SHA1 メッセージ | 日付 |
|---|---|---|
|
|
7edf3d8df0 llm as a judge running now | 3 週間 前 |
|
|
57c05170eb added llm as a judge reward func | 4 週間 前 |
|
|
c88e10fab6 grpo llama 3.2 3b with 3 reward functions | 1 ヶ月 前 |