Policy Gradient, Sequence, and Token— Part I: Basic Concepts https://fengyao.notion.site/pg-seq-token-part1-basics Policy Gradient, Sequence, and Token— Part II: Learner-Sampler Mismatch https://fengyao.notion.site/pg-seq-token-part2-mismatch
Policy Gradient, Sequence, and Token— Part I: Basic Concepts…
0 viewsОткрыть в Telegram →
Из этого канала
- #4939https://jyopari.github.io/posts/seal Self-Adapting Language Models…
https://jyopari.github.io/posts/seal Self-Adapting Language Models https://arxiv.org/abs/2506.10943 https://github.com/Continual-Intelligence/SEAL
- #4940QeRL: Beyond Efficiency -- Quantization-enhanced Reinforcement Learning for…
QeRL: Beyond Efficiency -- Quantization-enhanced Reinforcement Learning for LLMs https://arxiv.org/abs/2510.11696…
- #4941The Art of Scaling Reinforcement Learning Compute for LLMs…
The Art of Scaling Reinforcement Learning Compute for LLMs https://arxiv.org/abs/2510.13786 https://www.alphaxiv.org/ru/overview/2510.13786v1
- #4935хороший вопрос, давно не знаю чо там
хороший вопрос, давно не знаю чо там
- #4934Подскажите, какие сейчас лучшие опенсорсные deep research движки? Желательно с…
Подскажите, какие сейчас лучшие опенсорсные deep research движки? Желательно с каким-то постпоисковым ризонингом над результатами