Depo ayrıntısı
BaohaoLiao/ReOPD
On-policy distillation for agents without the environment: replay teacher prefixes instead of live rollouts.
Python MIT 09 Temmuz 2026 son push 26 Temmuz 2026 3 fork
Yıldız
42+12 · 61 gün
Commit · 28g
—
son 28 günde
Yazar · 28g
—
farklı katkıcı
Detaylı değerlendirme
Bu repo için detaylı değerlendirme henüz yapılmadı. Analiz, Ayarlar'daki uyum profilini hesaba katarak "bu işime yarar mı" sorusunu cevaplıyor. Bir kez çalışır; günlük koşular buna dokunmaz. Saatlik sınır var — bir kaynaktan en fazla 3 analiz.