GitHub · 去对齐工具与仓库·· 21 天前AI 评分31
kunal-sinha-coding/post-training：基于 GRPO 训练 Qwen3.5-0.8B 解决 MBPP 的实验仓库
kunal-sinha-coding/post-training
来源与原文
GitHub · 去对齐工具与仓库
发布时间：（北京时间）
阅读原始来源 · github.com ↗完整链接与内容说明
https://github.com/kunal-sinha-coding/post-training
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
该仓库包含一个 GRPO 实验，训练 Qwen/Qwen3.5-0.8B 生成 MBPP 的 Python 解法。数据方面排除 canonical EvalPlus MBPP runner 使用的 399 个任务 ID，保留 572 条训练样本，奖励支持 test_pass 与 hybrid 两种模式，候选代码在限时隔离子进程沙箱中执行。
来源：GitHub · 去对齐工具与仓库 · github.com