а это на тему стабильности — так выглядел moltface, когда я начинал писать этот пост. сейчас вроде уже отпустило
а это на тему стабильности — так выглядел moltface, когда я начинал писать этот…
Из этого канала
- #4701Прикольная статья, хорошо объясняет работу некоторых RL-методов со странными…
Прикольная статья, хорошо объясняет работу некоторых RL-методов со странными ревордами
- #4702"Spurious Rewards Paradox Когда бахнул R1 и все дружным строем побежали пилить…
"Spurious Rewards Paradox Когда бахнул R1 и все дружным строем побежали пилить статьи про вариации GRPO, появилась проблема: многие новые методы показывали…
- #4703Дальше авторы начали делать разные эксперименты над Qwen-2.5-Math-7B, OLMo-2 и…
Дальше авторы начали делать разные эксперименты над Qwen-2.5-Math-7B, OLMo-2 и Llama-3.1-8B.
- #4699регион интернациональных форумов на карте эмбеддингов
регион интернациональных форумов на карте эмбеддингов
- #4698Не буду утяжелять рассказ цитатами из найденных постов. Если вам такое надо,…
Не буду утяжелять рассказ цитатами из найденных постов. Если вам такое надо, почитайте какую-нибудь из уже существующих подборок такого плана (на английском).