регион интернациональных форумов на карте эмбеддингов

а это на тему стабильности — так выглядел moltface, когда я начинал писать этот пост. сейчас вроде уже отпустило

Прикольная статья, хорошо объясняет работу некоторых RL-методов со странными ревордами

"Spurious Rewards Paradox Когда бахнул R1 и все дружным строем побежали пилить статьи про вариации GRPO, появилась проблема: многие новые методы показывали…

Не буду утяжелять рассказ цитатами из найденных постов. Если вам такое надо, почитайте какую-нибудь из уже существующих подборок такого плана (на английском).

Как я и обещал Грише, напишу поподробнее на русском про мою попытку беглого анализа Moltbook.