Revīziju vēsture

Autors SHA1 Ziņojums Datums
  Jeff Tang 7edf3d8df0 llm as a judge running now 3 nedēļas atpakaļ
  Jeff Tang 57c05170eb added llm as a judge reward func 4 nedēļas atpakaļ
  Jeff Tang c88e10fab6 grpo llama 3.2 3b with 3 reward functions 4 nedēļas atpakaļ