они одни из первых начали вкладываться в синтетику сред под онлайн рл

и путем разных манипуляций можно было 6-12 месяцев назад их даже выкачивать

но глобально ребята тогда были вроде именно про distributed обучение? а все остальное сайд эффектом делали)

https://tinker-docs.thinkingmachines.ai/tinker/losses/stable-reinforce/

давно уже обратил на них внимание

кста очень нравится как prime intellect двигаются. я бы из ресечим что-то подобное хотел бы сделать в результате