トレンドトピック
#
Bonk Eco continues to show strength amid $USELESS rally
Hosico
Hosico+39.84%
USELESS
USELESS+16.62%
IKUN
IKUN+52.81%
gib
gib+30.08%
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
Bonk
Bonk+32.23%
ALON
ALON-0.85%
LAUNCHCOIN
LAUNCHCOIN+1.52%
GOONC
GOONC+1.09%
KLED
KLED-13.58%
#
Boop.Fun leading the way with a new launchpad on Solana.
BOOP
BOOP-0.92%
Boopa
Boopa-6.74%
PORK
PORK+5.8%
header
samsja
@PrimeIntellectで最先端の研究
samsja
samsja1月1日 19:17
アシンクRLトレーニングの安定性は本当に大きく進歩しました つい最近までは、純粋なGRPOはマッチのミスマッチでTorch Compileでクラッシュしていました。しかし今では、エージェント型強化学習(Agentic RL)を扱う際には方針から大きく逸脱できます プライム-リルロス計算において非常に重要な詳細が多く、最新の安定性改善を一部のランでオンにするとKLミスマッチに大きな違いが出ます
534
samsja
samsja2025年12月31日
私たちはprime-rlでポリシーディスティレーションを統合しました
474