При выполнении этого задания были потрачены 3 коллаба и 1 каггл, обучениее падало примерно 10 раз

Model Card for Model ID

PPO - https://huggingface.co/Amir337/llm-course-hw2-ppo

reward model: https://huggingface.co/Amir337/trainer_output

Model Details

image

image

Downloads last month
31
Safetensors
Model size
0.1B params
Tensor type
F32
·
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support