Ctrl+K
- current-0901-k4
- experiment_records
- grpo_v22_9b_bf16_from_sft
- grpo_v23_0829_grpo_4rollout_9b_bf16_from_sft_v23
- grpo_v23_9b_bf16_from_sft
- grpo_v23clean_ch67_9b_bf16_from_sft_v23method0901
- grpo_v25_9b_bf16_from_sft
- grpo_v30_9b_bf16_from_sft
- grpo_v33_continuous_ch6_9b_bf16_from_v32b
- grpo_v33_k4_ch6_9b_bf16_from_v32b
- grpo_v33_oldReward_ch6_9b_bf16_from_v32b
- grpo_v34_k4_ch6_magnitude_from_v32b
- results
- sft_v22_9b_bf16
- sft_v23_9b_bf16
- sft_v23_ori_reasoning_updated_9b_bf16
- sft_v23method_0901_9b_bf16
- sft_v30_9b_bf16
- sft_v31_9b_bf16
- sft_v32_9b_bf16
- sft_v32b_9b_bf16
- sft_v32c_9b_bf16
- sft_v40_9b_bf16
- sft_v40_selfprompt_ep4_9b_bf16
- sft_v40_v37prompt_9b_bf16
- v23+think
- v23+v3x_prompt
- v23-4B
- v23-GRPO-2
- v23-GRPO-3
- v23-ch4-grpo-rollout-8
- v23-new-Prompt-with-Nominal_Label
- v23-pairwise-mixed-SFT
- v23-rationale-first
- v23_grpo_mixed_ch4_pointwise_ch56_pairwise
- v23_grpo_pairwise_ch6_grpo
- v23_grpo_plus_pairwise_training
- v23_sft_plus_pairwise_sft_grpo
- v32-GRPO
- v33-grpo-more-data
- v33-no-cot
- v33-submetrics-reward-GRPO
- v36-newData-SFT
- v36_newData-GRPO
- v37-newData-0901-GRPO
- v37-newData-0901-SFT
- v41-evidence-think-SFT
- v41-evidence-think
- 8.31 kB
- 1.21 kB