Optimal Scaling Needs Optimal Norm https://arxiv.org/abs/2510.03871

https://huggingface.co/docs/trl/main/en/lorawithoutregret в trl завезли

https://m2po.notion.site/rl-stale-m2po Prosperity before Collapse: How Far Can Off-Policy RL Reach with Stale Data on LLMs? https://arxiv.org/abs/2510.01161…

Reinforce-Ada: An Adaptive Sampling Framework for Reinforce-Style LLM Training https://arxiv.org/abs/2510.04996v1

Evolution Strategies at Scale: LLM Fine-Tuning Beyond Reinforcement Learning https://arxiv.org/abs/2509.24372 https://www.alphaxiv.org/ru/overview/2509.24372v1

Привет! Хочу поделиться свежим проектом от Щи Продакшен — сегодня у нас релиз «Алтайский рубеж» 🚙🌄 Это открывающий ролик для Дилерского совета Авто.ру —…