🚀Yeni çalışmalarımızı paylaşmaktan heyecan duyuyoruz! 💊Sorun: BF16 hassasiyeti, büyük bir eğitim-çıkarım uyumsuzluğuna neden olarak kararsız RL eğitimine yol açar. 💡Çözüm: Sadece FP16'ya geçin. 🎯Bu kadar. 📰Kâğıt: ⭐️Kod: