Explore the Momentum ecosystem and earn $1.015M in rewards
discoveryBanners
トレンドトピック
#
Bonk Eco continues to show strength amid $USELESS rally
Hosico
Hosico+38.91%
USELESS
USELESS+27.6%
IKUN
IKUN+5.8%
gib
gib+19.83%
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
Bonk
Bonk+7.91%
ALON
ALON+2.75%
LAUNCHCOIN
LAUNCHCOIN+9.78%
GOONC
GOONC+0.93%
KLED
KLED-2.23%
#
Boop.Fun leading the way with a new launchpad on Solana.
BOOP
BOOP-8.95%
Boopa
Boopa+3.67%
PORK
PORK+18.29%
samsja
samsja
18時間前·
他の人は、安定性の問題を修正するために重要度にvllm v1 logprobを使用することに収束しているようです。 私はこのタイプのrlクラッシュでPTSDを起こしていると思います
Zichen Liu
Zichen Liu20時間前
わずか数行のコードで、Feng(@fengyao1909)が提案した修正(行動ポリシーに重要度サンプリングを適用)は、私の場合(oat)のトレーニングの不安定性を解決しました。結果は他のRLフレームワークにも一般化できると思います。よくやった、フェン!
4.83K