On-Policy Self-Training: Data-Free Self-Improvement in Large Language Models https://arxiv.org/abs/2610.32770 https://www.alphaxiv.org/ru/abs/2610.32770
On-Policy Self-Training: Data-Free Self-Improvement in Large Language Models…
0 viewsОткрыть в Telegram →
Из этого канала
- #7328OverSeer: Multi-Agent World Models Beyond What Agents See…
OverSeer: Multi-Agent World Models Beyond What Agents See https://arxiv.org/abs/2610.28554 https://www.alphaxiv.org/ru/abs/2610.28554…
- #7329Spherical Brownian Diffusion for Language Modeling…
Spherical Brownian Diffusion for Language Modeling https://arxiv.org/abs/2610.35101 https://www.alphaxiv.org/abs/2610.35101
- #7330https://divagr.com/blog/qwenputer
https://divagr.com/blog/qwenputer
- #7325расчеты ускорены сильно. вместо 30 минут на norne теперь 9 минут…
расчеты ускорены сильно. вместо 30 минут на norne теперь 9 минут https://researchim-ai.github.io/oil-simulator/ + пофикшены некоторые баги потихонечку будем…
- #7324Generative Value Classifier https://arxiv.org/abs/2610.22497…
Generative Value Classifier https://arxiv.org/abs/2610.22497 https://www.alphaxiv.org/ru/abs/2610.22497 https://github.com/alexanderswerdlow/gvc…