Mitä voin tehdä Discoverilla
discoveryBanners
Trendaavat aiheet
#
Bonk Eco continues to show strength amid $USELESS rally
Hosico
Hosico+19,45 %
USELESS
USELESS+50,95 %
IKUN
IKUN+18,46 %
gib
gib+12,74 %
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
Bonk
Bonk+11,85 %
ALON
ALON+16,19 %
LAUNCHCOIN
LAUNCHCOIN+18,68 %
GOONC
GOONC+10,23 %
KLED
KLED+37,35 %
#
Boop.Fun leading the way with a new launchpad on Solana.
BOOP
BOOP−1,28 %
Boopa
Boopa+18,78 %
PORK
PORK+4,5 %
header
Y
Kieli ja ajattelu
Y
Y11.10. klo 06.33
Mamba-3 on tulossa! Parempi suorituskyky kuin muuntajilla ja nopeilla ohjelmoijilla (FWP) ()
33,7K
Y
Y2.10. klo 05.02
Hienoa nähdä uudet Tinker-dokumentit vuodelta @thinkymachines, jotka vahvistavat epäjohdonmukaisuuden GRPO-tappiossa. Tutkimme tätä asiaa aiemmassa työssämme () ja kehitimme vankemman menetelmän, jossa suorituskyky on parantunut merkittävästi: • +12 absoluuttista pistettä vs. GRPO • +6 absoluuttista pistettä DAPO:ta vastaan Artikkelissamme kerrotaan yksityiskohtaisesti KL-regularisoitujen politiikkagradienttialgoritmien suunnittelusta, ja arkistomme tarjoaa korjatun toteutuksen. Paperi: Koodi:
15,51K