Subiecte populare
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Se pare că alți oameni converg pentru a folosi vllm v1 logprob pentru raportul de importanță pentru a remedia problema de stabilitate.
Cred că am PTSD de la acest tip de accident rl
Cu 10 ore în urmă
Cu doar câteva linii de cod, soluția sugerată de Feng (@fengyao1909) – aplicarea eșantionării importanței asupra politicii de comportament – a rezolvat instabilitatea de antrenament în cazul meu (ovăz). Cred că rezultatul se poate generaliza și la alte cadre RL. Bună treabă, Feng!
3,7K
Limită superioară
Clasament
Favorite