コンペ参加方法

1. こちらの手順にしたがって、 rev_simple_unsloth_sft＋grpo.ipynb をGoogle Colabで実行してください。
2. すべて実行し終わると、WandBのminicompに結果が表示されます。設定したRUN_NAMEの実験を確認してください。なお、学習中の記録は初期設定されているwandbに記録されます。多くはご自身のwandbになると思います。

諸注意

GoogleColabをgithub管理で開きたいかたは、Forkして使用してください。（上書きを防ぐため）

このNotebookは学習が動作は確認していますが、学習がうまくいくかどうかは未確認です。みなさんの工夫で良い精度が出る方法を見つけ出してください