RLT-32B
Этот репозиторий содержит модель ученика с 32B параметрами, обученную с использованием конвейера учителей с подкреплением (RLT), представленного в...
Метка: reinforcement
RLT-7B
Этот репозиторий содержит модель ученика с параметрами 7B, обученную с использованием конвейера учителей с подкреплением (RLT), представленного в...