Models

Llama-3.2-3B-Instruct_grpo_ppl_adv_rollout_8_Use_KL_0.001_step580

ddp-llama32-1b-ultrachat

llama3.2-1b-Inst-aaq

Llama-3.2-3B-Instruct_grpo_adv_rollout_8_20260502_233833_step580

Llama-3.2-3B-Instruct_grpo_ppl_adv_rollout_8_20260501_120104_step580

Llama-3.2-3B-Instruct_grpo_ppl_adv_rollout_8_20260501_115927_step580

Llama-3.2-3B-Instruct_base_grpo_rollout_8_resume_epoch10_20260429_004105_step232

Llama-3.2-3B-Instruct_grpo_ppl_adv_rollout_8_resume_epoch10_20260429_004543_step290

Llama-3.2-3B-Instruct_base_grpo_rollout_8_resume_epoch10_20260429_004105_step290

assn2-sft-llama32-1b

assn2-dpo-llama32-1b

assn2-sft-llama-1b

llama32-3b-dolly-sft-drift

llama32-3b-code-sft-drift

llama3.2-1b-Inst-safemerge

cx-filler-model

Llama-3.2-1B-Instruct-0k-shuffle-x

DAPO_GRPO_16b_incorrect_bs_32_mb_8_n16_cliphigh

llama_finetune_16bit

llama_3b_base_non_think_sft_nopack_lr1.5e5_ep3

llama3.2-1b-Inst-resta

Llama-3.2-3B-Instruct_grpo_ppl_adv_rollout_8_20260429_004543_step580

ReasoningCore-1B-T1

LoLlama-3.2-1B-lora-3ep-v3-instruct

Llama3.2-1B-Med-Transcript-Notes

Llama-3.2-1B-Instruct-Unablated

Llama-3.2-1B-Instruct-0q-shuffle

Llama-3.2-1B-Instruct-0q-shuffle-x

Llama-3.2-1B-Instruct-1o-shuffle-x

Llama-3.2-1B-Instruct-1q-shuffle-x

Llama-3.2-1B-Instruct-0v-shuffle-x

Llama-3.2-1B-Instruct-0o-shuffle-x

Llama-3.2-1B-Instruct-1v-shuffle-x

Llama-3.2-1B-Instruct-1k-shuffle-x

llama-3.2-1b-it-merged-llama-factory

1B-40epoch

Llama-3.2-1B-Instruct-Explainable-Propaganda-Detection-old

1B-80epoch

model17

guys_6

guys_1

Medical_Summary_Notes