ScaleML-RLHF/qwmathbase_ppo_n1_step140
8B • Updated • 9
Edit Models filters
Showing models from
Tasks
Parameters
Inference Providers
Hardware
Models
260
Active filters: ScaleML-RLHF
ScaleML-RLHF/qwmathbase_raw_raft_step100
8B • Updated • 9
ScaleML-RLHF/qwmathbase_grpo_n4_bz512_step100
8B • Updated • 10
ScaleML-RLHF/qwmathbase_non_neg_grpo_step100
8B • Updated • 9
ScaleML-RLHF/qwmathbase_weighted_sft_bz512_step80
8B • Updated • 9
ScaleML-RLHF/qwmathbase_grpo_n4_bz512_step160
8B • Updated • 10
ScaleML-RLHF/qwmathbase_non_neg_grpo_step220
8B • Updated • 9
ScaleML-RLHF/qwmathbase_grpo_n4_bz512_step40
8B • Updated • 10
ScaleML-RLHF/qwmathbase_raw_raft_step40
8B • Updated • 9
ScaleML-RLHF/qwmathbase_full_raft_step200
8B • Updated • 9
ScaleML-RLHF/qwmathbase_full_raft_step80
8B • Updated • 9
ScaleML-RLHF/qwmathbase_non_neg_grpo_step40
8B • Updated • 9
ScaleML-RLHF/qwmathbase_ppo_n1_step60
8B • Updated • 9
ScaleML-RLHF/qwmathbase_raw_raft_step140
8B • Updated • 10
ScaleML-RLHF/qwmathbase_full_raft_step180
8B • Updated • 10
ScaleML-RLHF/qwmathbase_full_raft_step140
8B • Updated • 9
ScaleML-RLHF/qwmathbase_full_raft_step120
8B • Updated • 9
ScaleML-RLHF/qwmathbase_non_neg_grpo_step160
8B • Updated • 9
ScaleML-RLHF/qwmathbase_ppo_n1_step240
8B • Updated • 10
ScaleML-RLHF/qwmathbase_weighted_sft_bz512_step40
8B • Updated • 9
ScaleML-RLHF/qwmathbase_non_neg_grpo_step120
8B • Updated • 8
ScaleML-RLHF/qwmathbase_raw_raft_step200
8B • Updated • 10
ScaleML-RLHF/qwmathbase_non_neg_grpo_step200
8B • Updated • 9
ScaleML-RLHF/qwmathbase_non_neg_grpo_step80
8B • Updated • 8
ScaleML-RLHF/qwmathbase_raw_raft_step300
8B • Updated • 11
ScaleML-RLHF/qwmathbase_full_raft_step160
8B • Updated • 9
ScaleML-RLHF/qwmathbase_raftpp_bz128_step140
8B • Updated • 6
ScaleML-RLHF/qwmathbase_raf_raft_n4_bz128_step140
8B • Updated • 8
ScaleML-RLHF/qwmathbase_raw_raft_step20
8B • Updated • 11
ScaleML-RLHF/qwmathbase_non_neg_grpo_step180
8B • Updated • 9