Subiecte populare
#
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.
Etash Guha
Ph.D. @Stanford și @uwcse
Fapt amuzant: RLing majoritatea modelelor de greutate deschisă de dimensiunea 8b (cum ar fi qwen 3) direct pe setul de testare pentru benchmark-uri agentice (cum ar fi TerminalBench) nu funcționează. Pur și simplu nu pot ghici răspunsul corect într-un buget rezonabil de eșantionare. Abia aștept să văd primul model 8b care să obțină un scor non-trivial la aceste benchmark-uri!
64,02K
Limită superioară
Clasament
Favorite