Co můžu dělat s funkcí Objevujte
discoveryBanners
Populární témata
#
Bonk Eco continues to show strength amid $USELESS rally
Hosico
Hosico-9,6 %
USELESS
USELESS+9,3 %
IKUN
IKUN-0,64 %
gib
gib-1,2 %
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
Bonk
Bonk-9,27 %
ALON
ALON+4,68 %
LAUNCHCOIN
LAUNCHCOIN-9,46 %
GOONC
GOONC-4,19 %
KLED
KLED+15,41 %
#
Boop.Fun leading the way with a new launchpad on Solana.
BOOP
BOOP-0,6 %
Boopa
Boopa+5,08 %
PORK
PORK+4 %
header
Y
Jazyk a myšlení
Y
Y11. 10. 06:33
Mamba-3 se blíží! Lepší výkon než transformátory a rychlé programátory (FWP) ()
33,69K
Y
Y2. 10. 05:02
Výborné jsou nové Tinker-docs od @thinkymachines, které potvrzují nekonzistenci ve ztrátě GRPO. Touto problematikou jsme se zabývali v naší předchozí práci () a vyvinuli jsme robustnější metodu s podstatným zlepšením výkonu: • +12 absolutních bodů vs. GRPO • +6 absolutních bodů vs. DAPO Náš článek podrobně popisuje návrh algoritmů gradientů politik podle KL a náš repozitář poskytuje opravenou implementaci. Papír: Kód:
15,5K