🧭AlexWortega / same-data-different-losses

基于Qwen3-4B（attention-only LoRA）的六种离线推理损失（SFT、RFT、DFT、RIFT、Offline GRPO、DPO）在相同数学rollouts上训练的交互式权重空间几何可视化，支持浏览36层transformer并观察几何响应。