pbedrin/llm-course-hw2-reward-model
Text Classification
•
0.1B
•
Updated
•
9
llm-course-hw2
VK LLM Course. Задание #2. Дообучение LLM методами DPO и PPO
VK LLM Course. Задание #2. Дообучение LLM методами DPO и PPO