cnb.cEr0mSxFAFA a88c47e273 feat: v1.3-lite-flash 训练代码 + 新词表(vocab_size=47725) ...

- 用 CharTokenizer.build_vocab 从 977K 数据生成词表 (vocab_size=47725)
- train_cnb.py: batch=224 + accum=2 (等效448) + AMP + torch.compile
- build_vocab.py: 词表生成脚本
- vocab_full.json: 含特殊token完整词表
- 模型 41.85M参数, L40 GPU训练

2026-06-19 10:34:37 +08:00

..

api_correction.py

大整理: 仓库重组 + 新词表 + 新README

2026-06-18 11:17:30 +00:00

daily_data_gen.py

大整理: 仓库重组 + 新词表 + 新README

2026-06-18 11:17:30 +00:00

generate_batch.py

大整理: 仓库重组 + 新词表 + 新README

2026-06-18 11:17:30 +00:00

generate_diverse_single.py

大整理: 仓库重组 + 新词表 + 新README

2026-06-18 11:17:30 +00:00

generate_diverse.py

大整理: 仓库重组 + 新词表 + 新README

2026-06-18 11:17:30 +00:00

generate_fresh_qa.py

大整理: 仓库重组 + 新词表 + 新README

2026-06-18 11:17:30 +00:00

generate_massive_general.py

feat: add new general distill script, merged dataset v3 (977K pairs), legacy vocab_v2

2026-06-18 17:56:40 +00:00

generate_multiturn.py

大整理: 仓库重组 + 新词表 + 新README

2026-06-18 11:17:30 +00:00

generate_real_multiturn.py

feat: add new general distill script, merged dataset v3 (977K pairs), legacy vocab_v2

2026-06-18 17:56:40 +00:00

regenerate_all_high_temp.py

大整理: 仓库重组 + 新词表 + 新README

2026-06-18 11:17:30 +00:00

train_cnb.py

feat: v1.3-lite-flash 训练代码 + 新词表(vocab_size=47725)

2026-06-19 10:34:37 +08:00