Достаточно нишевая инфа про скейлинг ллмного рля на Jax для TPU но мб вам интересно https://adityamakkar000.github.io/posts/async-rl-jax.html
Достаточно нишевая инфа про скейлинг ллмного рля на Jax для TPU но мб вам…
Из этого канала
- #1371Майкрософты потюнили 4B Qwen-3.5 на 61.5% Swe-bench verified чисто генерацией…
Майкрософты потюнили 4B Qwen-3.5 на 61.5% Swe-bench verified чисто генерацией задач и рлем FrogNano: Training a 4B Coding Agent via Online Task Synthesis…
- #1374там рлем учат тот самый мозг мухи играть в beat saber…
там рлем учат тот самый мозг мухи играть в beat saber https://x.com/lyraaaa/status/2097527368919470162
- #1375Про лупед трансформеры которые возможно лежат в базе Астры…
Про лупед трансформеры которые возможно лежат в базе Астры https://magazine.sebastianraschka.com/p/gpt-6-astra-looped-transformers-and
- #1369Алибаба потюнили Qwen 3.6-35B-A3B чтобы он лучше обслуживал аватара на стримах…
Алибаба потюнили Qwen 3.6-35B-A3B чтобы он лучше обслуживал аватара на стримах нуи в целом схема как там устроено все на скрине, прикольно Training Agents to…
- #1367Квены потренили Qwen 3.5 4B для автопилота, только добавили к нему голову в…
Квены потренили Qwen 3.5 4B для автопилота, только добавили к нему голову в которую 3D данные со сцены заходят (BEV Perception Head) + добавлен planning expert…