Models

llama-3.1-8b-r1280-als-random-qres1

llama-3.1-8b-r1024-als-random-qres8

llama-3.1-8b-r1280-svd-qres1

llama-3.1-8b-r1280-svd-qres4

llama-3.1-8b-r1024-svd-qres8

llama-3.1-8b-r1280-svd-qres8

llama-3.1-8b-r2048-als-random

llama-3.1-8b-r1792-als-random-qres4

llama-3.1-8b-r1792-als-random-qres8

llama-3.1-8b-r1024-gd-random

my-merged-llama3

llama-3-indonesian-legal-bot

llama3-8b-legal-chatbot-grpo

llama-3.1-8b-r128-gd-random

meta-llama-3.1-Indo-Legal-GRPO

llama-3.1-8b-r512-gd-random-qres4

llama-3.1-8b-r1024-gd-random-qres4

Llama-3.1-8B-good-vs-bad-middle-third

Llama-3.1-8B-bad-medical-last-third

llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-s_star-0.4-eta-5

llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.45-eta-0.1-s_star-0.8-20260428-045924

llama-3-8b-base-new-dpo-hh-helpful-4xh200-batch-64-q_t-0.5-s_star-0.4

llama-3-8b-base-new-dpo-hh-harmless-4xh200-batch-64-q_t-0.45-s_star-0.4-eta-0.01

llama-3-8b-base-new-dpo-hh-harmless-4xh200-batch-64-q_t-0.5-s_star-0.4

llama3-8b-base-new-method-s_star0.6-20260425-180936

Llama-3-8B-Instruct-Legal-Chatbot-Indo-GRPO

axis-ai

v041-R1f

llama-3.1-8b-r256-als-random-qres1

llama-3.1-8b-r1536-als-random-qres1

llama-3.1-8b-r512-als-random-qres4

llama-3.1-8b-r512-als-random-qres8

llama-3.1-8b-r1792-svd-qres1

llama-3.1-8b-r2048-svd-qres1

llama-3.1-8b-r1792-svd-qres8

llama-3.1-8b-r1280-gd-random

llama-3.1-8b-r512-svd-qres8

llama-3-8b-ending-maker

Llama-3.1-8B-bad-medical-top80

Llama-3.1-8B-good-vs-bad-last-third

Llama-3.1-8B-target-only-middle-third

Llama-3.1-8B-reward-hacks-middle-third