Актуальні теми
#
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.
Схоже, що інші люди сходяться до використання logprob vllm v1 для співвідношення важливості для вирішення проблеми стабільності.
Я думаю, що у мене посттравматичний стресовий розлад від цього типу збою rl
21 години тому
За допомогою всього кількох рядків коду запропоноване Фенгом (@fengyao1909) виправлення — застосування вибірки важливості до політики поведінки — вирішило нестабільність навчання в моєму випадку (oat). Я вважаю, що результат можна узагальнити і на інші фреймворки RL. Відмінна робота, Фенг!
5,32K
Найкращі
Рейтинг
Вибране