On GRPO Collapse in Search-R1: The Lazy Likelihood-Displacement Death Spiral https://arxiv.org/abs/2512.04220 https://www.alphaxiv.org/ru/overview/2512.04220
On GRPO Collapse in Search-R1: The Lazy Likelihood-Displacement Death Spiral…
0 viewsОткрыть в Telegram →
Из этого канала
- #5328Да было бы круто
Да было бы круто
- #5329https://huggingface.co/nn-tech/MetalGPT-1 типа ллмка для металлургии от…
https://huggingface.co/nn-tech/MetalGPT-1 типа ллмка для металлургии от Норникеля интересно тюн квена 3 32б
- #5330https://huggingface.co/datasets/nn-tech/Alloy-Bench
https://huggingface.co/datasets/nn-tech/Alloy-Bench
- #5325а было уже, в сохраненках осталось прост
а было уже, в сохраненках осталось прост
- #5321Hilbert: Recursively Building Formal Proofs with Informal Reasoning…
Hilbert: Recursively Building Formal Proofs with Informal Reasoning https://arxiv.org/abs/2509.22819 https://www.alphaxiv.org/ru/overview/2509.22819