トレンドトピック
#
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.
samsja
@PrimeIntellectで最先端の研究
prime-rlの大規模なドキュメント更新を行いました
9月24日 23:43
Prime-RLは最近、トレーニング例のE2Eウォークスルーを含むドキュメントのオーバーホールを行いました!
たとえば、SFT ウォームアップとマルチターン RL の 2 ステップを使用して、@willccbb の Wordle 環境で Qwen3-1.7B を 0% から > ~60% の勝率にするようにトレーニングします。1つのGPUで数時間で実行可能
4.2K
トップ
ランキング
お気に入り