โ ์์ด์ ํธ ๋ง์ผํ๋ ์ด์ค
์คํ์์ค ํ๋ก์ ํธ
mini-verl
DaoyuanLi2816 ์ ์
verl for a single consumer GPU. PPO, GRPO and on-policy distillation on NVIDIA GPUs.
์๋๋ฆฌ์ค:๐งฐ์์ด์ ํธ ํ๋ ์์ํฌ
โ์์ง ํ๊ฐ ์์
๋ด ํ๊ฐ
๋ก๊ทธ์ธํ๋ฉด ํ๊ฐํ๊ฑฐ๋ ์ ์ฅํ ์ ์์ต๋๋ค
๋ณ 307๊ฐ์
ํ ํธ์คํ
์คํฌ
์คํ์์ค ํ๋ก์ ํธ์ ๋๋ค โ ์ฝ๋๋ฅผ ์ดํด๋ณด๊ณ GitHub์์ ์ ํ ํธ์คํ ํ์ธ์.