lasgroup/SDPO

Reinforcement Learning via Self-Distillation (SDPO)

↗ Buka di GitHub

Bintang

1.092

Fork

125

Bahasa

Python

Lisensi

Apache-2.0

Push terakhir

2 bulan yang lalu

Python llm rl reasoning distillation

Belum ada intel terkait

Repositori ini belum muncul di sumber mana pun yang dilacak radar. Kolektor berjalan sesuai jadwal — periksa kembali setelah mencakup repositori ini.