ARTICLE DETAIL

资讯详情

深耕网站建设、视觉设计与SEO优化的一线实战洞察。

qwen3、gemma3 GPRO强化训练案例

qwen3、gemma3 GPRO强化训练案例

参考:
https://docs.unsloth.ai/basics/reinforcement-learning-guide/tutorial-train-your-own-reasoning-model-with-grpo

在线colab:
https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/HuggingFace%20Course-Gemma3_(1B)-GRPO.ipynb

https://colab.research.google.com/github/unslothai/notebooks/blob/main/nb/Qwen3_(4B)-GRPO.ipynb#scrollTo=vzOuSVCL_GA9

比较费时间,这很数据集open-r1/DAPO-Math-17k-Processed共14116条,gpro训练3个小时

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

返回列表