mst272

Kerangka kerja Post-training LLM ringan yang mendukung SFT, RLVR, On-Policy KD, Guide KD, dan pelatihan campuran; mengimplementasikan penyulingan Guide satu putaran/banyak putaran, penyulingan banyak guru, pelatihan campuran Reward, dan pembagian data otomatis 👩‍🎓👨‍🎓