⚡FP8 は RL を高速化しますが、パフォーマンスを犠牲にします。 BF16と比較してパフォーマンスを損なうことなくINT8/FP8をロールアウトに適用する、初のオープンソースで実用的なRLレシピであるFlashRLを紹介します。 📝 ブログ: 💻 コード:
40.49K