2.2.0

ascend-robotfix grpo loss&reward

af24c19d创建于 2025年10月10日历史提交

文件	最后提交记录	最后更新时间
deepseekv3_671b.yaml	!588 back core0.8.0	8 个月前
qwen25_32b.yaml	fix grpo loss&reward	7 个月前
qwen25_7b.yaml	!490 security fix	10 个月前
qwen3_235b_a22b.yaml	!588 back core0.8.0	8 个月前
qwen3_30b_a3b.yaml	!588 back core0.8.0	8 个月前
qwen3_32b.yaml	!489 支持qwen3 32b模型dapo	10 个月前
qwen3_8b.yaml	!474 grpo qwen3-8b A3	10 个月前
templates.json	!383 [pytorch][feature]Add DPO Algorithm to MindSpeed-RL	10 个月前