piico/assn2-simpo-train5
Text Generation • Updated • 3
Peter
piico
·
AI & ML interests
None yet
Recent Activity
updated a model about 1 month ago
piico/assn2-simpo-train5 published a model about 1 month ago
piico/assn2-simpo-train5 updated a model about 1 month ago
piico/assn2-sft-train5Organizations
piico/assn2-sft-train5
1B • Updated • 2
piico/assn2-dpo-train5
1B • Updated • 3
piico/assn2-dpo-train4
Updated
piico/assn2-sft-train4
1B • Updated • 1
piico/assn2-sft-train2
1B • Updated • 2
piico/assn2-simpo-train3
1B • Updated • 3
piico/assn2-sft-train3
1B • Updated • 1
piico/assn2-dpo-train1
1B • Updated • 2
piico/assn2-dpo-1
Updated
piico/assn2-sft-gsm8k
1B • Updated • 1
piico/lora_train17
Updated
piico/lora_train16
Updated
piico/lora_train15
Updated
piico/lora_train14
Updated
piico/lora_train13
Updated
piico/lora_train11
Updated
piico/lora_train9
Updated
piico/unit1-ppo-huggy
Reinforcement Learning • Updated • 28
piico/unit1_ppo-lunarlander-v2
Reinforcement Learning • Updated • 3