Popularne tematy
#
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.
Tianwei Ni
Doktorant na ostatnim roku @Mila_Quebec na RL | Poprzedni @AmazonScience na temat rozumowania LLM
Sapere aude (Odważ się pomyśleć).
Offline RL jest zdominowane przez konserwatyzm -- bezpieczne, ale ograniczające generalizację.
W naszym nowym artykule zadajemy pytanie: co jeśli zrezygnujemy z tego i polegamy na zasadzie Bayesa dla adaptacyjnej generalizacji?
Zaskakująco, długohoryzontalne rollouty -- zazwyczaj unika się ich w RL opartym na modelach -- sprawiają, że to działa. 🧵
4
Najlepsze
Ranking
Ulubione