#DST_GRPO

conda env create -f environment.yml conda activate dst-grpo

unzip mwz2.4.zip python prepare_grpo_dataset.py --out grpo_dataset

python train_dst_grpo.py
--out llama_grpo_v1
--checkpoint llama_AMD_value_0.10/checkpoint-13696
--max_steps 2000 --eval_steps 200 --save_steps 200 \

output_grpo_v1.log 2>&1

python generate_grpo.py
--model_dir llama_grpo_v1
--adapter llama_grpo_v1/checkpoint-2000