Populære emner
#
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.
Tianyu Pang
🇸🇬Forsker ved Sea AI Lab @SeaGroup | 👨🏻 🎓PhD/BS fra @Tsinghua_Uni og ex-@MSFTResearch | 🔬Generative modeller, resonnement og pålitelig AI.
🚀LLM-er kan lære direkte fra verbale tilbakemeldinger – ingen skalarbelønninger nødvendig!
😥Skalarbelønninger komprimerer rik tilbakemelding – «overflødig, men korrekt» vs «kortfattet, men skrivefeil» kan begge være 0,8
💡Vi foreslår å lære Feedback-Conditional Policy (FCP), et ekstremt skalerbart paradigme!
21,54K
Topp
Rangering
Favoritter