Downloads · 30 days
0
putradananjaya/llama-3-8b-legal-chatbot-grpo
llama-3-8b-legal-chatbot-grpo is a text generation model from putradananjaya. Use it when you need the model to write or continue text. The card lists the license as apache-2.0.
Model ini adalah pengembangan lanjutan dari model putradananjaya/llama-3-8b-legal-chatbot-ft yang telah dilatih menggunakan metode Group Relative Policy Optimization (GRPO) untuk melaraskan respon agar memiliki strukt…
Downloads · 30 days
0
Access
Public
Updated Jul 19, 2026
Repo size
—
Likes
0
Public
Click a slice to open those files.
Other1.5 KB · 53%
From the Hugging Face model README
Model ini adalah pengembangan lanjutan dari model putradananjaya/llama-3-8b-legal-chatbot-ft yang telah dilatih menggunakan metode Group Relative Policy Optimization (GRPO) untuk melaraskan respon agar memiliki struktur penalaran logis (reasoning) di dalam tag <think>...</think>.
Model dilatih menggunakan GRPOTrainer dari pustaka trl dengan 4 Reward Model utama:
<think> dan penutupan </think> yang sempurna, serta memberikan penalti untuk duplikasi tag.<think>.Model ini memancarkan token khusus <think> di awal sebelum memberikan jawaban final berbahasa Indonesia.