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 https://microsoft.github.io/debug-gym/static/papers/frognano_technical_report.pdf https://microsoft.github.io/debug-gym/
Майкрософты потюнили 4B Qwen-3.5 на 61.5% Swe-bench verified чисто генерацией…
Из этого канала
- #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
- #1376ее уже в браузерную игру запихнули. https://github.com/dzhng/fly-escape…
ее уже в браузерную игру запихнули. https://github.com/dzhng/fly-escape https://fly-escape.vercel.app/ Вообще я думаю может в рл студию как-то тоже добавить но…
- #1370Достаточно нишевая инфа про скейлинг ллмного рля на Jax для TPU но мб вам…
Достаточно нишевая инфа про скейлинг ллмного рля на Jax для TPU но мб вам интересно https://adityamakkar000.github.io/posts/async-rl-jax.html
- #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…