On neural scaling and the quanta hypothesis https://ericjmichaud.com/quanta/

Ребят, у нас можно будет в GRPO алгоритмах собирать роллауты с отдельного vllm воркера Я на первой гпухе запустил GRPO, на второй модельку в вллм для сбора…

Круто! А реварды ты придумал как кастомизировать?

сделан базовый конструктор сейчас) но я думаю что еще буду работать над ним. надо суперудобно сделать)

у нас есть grpo, dr.grpo и dapo по-дефолту будет grpo все же

Ищем в команду сильного fullstack 🔨 или бэкенд и фронтенд Что важно по навыкам: + уверенный backend (Python / Node / или Go / API / работа с LLM, RAG ) + или…