piico/assn2-simpo-train5
Text Generation • Updated • 13
Peter
piico
·
AI & ML interests
None yet
Recent Activity
updated a model 4 days ago
piico/assn2-simpo-train5 published a model 4 days ago
piico/assn2-simpo-train5 updated a model 4 days ago
piico/assn2-sft-train5Organizations
piico/assn2-sft-train5
1B • Updated • 19
piico/assn2-dpo-train5
1B • Updated • 14
piico/assn2-dpo-train4
Updated
piico/assn2-sft-train4
1B • Updated • 8
piico/assn2-sft-train2
1B • Updated • 29
piico/assn2-simpo-train3
1B • Updated • 10
piico/assn2-sft-train3
1B • Updated • 11
piico/assn2-dpo-train1
1B • Updated • 13
piico/assn2-dpo-1
Updated
piico/assn2-sft-gsm8k
1B • Updated • 16
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
piico/unit1_ppo-lunarlander-v2
Reinforcement Learning • Updated