História revízii

Autor SHA1 Správa Dátum
  Jeff Tang 7edf3d8df0 llm as a judge running now 3 týždňov pred
  Jeff Tang 57c05170eb added llm as a judge reward func 4 týždňov pred
  Jeff Tang c88e10fab6 grpo llama 3.2 3b with 3 reward functions 4 týždňov pred