в конце недели или на следующей уже буду билдик готовить

https://github.com/researchim-ai/reinforcement-studio звездочек завезите кому по кайфу)

https://www.reddit.com/r/LocalLLaMA/s/NgUZR5of5c

классическая проблема с headroom , для Llama.cpp и подобных с long context лучше сразу делать headless inference на отдельном GPU, чтобы UI не мешало.

ну вроде готово) 50 минут со всякими фреймстеками и преобразованиями + модифицированный ppo без памяти

А задача для DeepSeek Harness как раз long-run research, бегать по papers с подключенными скиллами и собирать стенд для тестирования нескольких гипотез