SFT Conflicts, RL Coexists: A Theoretical and Empirical Analysis of Multi-Task Learning for LLMs https://arxiv.org/abs/2608.03573 https://www.alphaxiv.org/ru/overview/2608.03573 https://github.com/GaryStack/Parallel-RL
SFT Conflicts, RL Coexists: A Theoretical and Empirical Analysis of Multi-Task…
0 viewsОткрыть в Telegram →
Из этого канала
- #6778Learning to Disprove: Formal Counterexample Generation with Large Language…
Learning to Disprove: Formal Counterexample Generation with Large Language Models https://arxiv.org/abs/2603.19514…
- #6779https://t.me/einytech/131
https://t.me/einytech/131
- #6780On-Policy Self-Distillation without Any Supervision…
On-Policy Self-Distillation without Any Supervision https://arxiv.org/abs/2608.06296 https://www.alphaxiv.org/ru/overview/2608.06296
- #6776последний раз я добавлял сюда генерацию доказательств теоремок из статьи…
последний раз я добавлял сюда генерацию доказательств теоремок из статьи https://arxiv.org/abs/2503.04772
- #6775еще решил обновить re-rl - это наша библиотека для генережки синтетик данных…
еще решил обновить re-rl - это наша библиотека для генережки синтетик данных для всех стадий от полезных на претрене до ризонинга…