Актуальные темы
#
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
Аспирант последнего курса @Mila_Quebec на RL | Предыдущие @AmazonScience о рассуждении LLM
Sapere aude (Осмелюсь подумать).
Оффлайн RL доминирует консерватизмом — безопасно, но ограничивает обобщение.
В нашей новой статье мы задаемся вопросом: что если мы откажемся от этого и полагаемся на байесовский принцип для адаптивного обобщения?
Удивительно, но долгосрочные развертывания — обычно избегаемые в моделируемом RL — делают это возможным. 🧵
15
Топ
Рейтинг
Избранное