Mitä voin tehdä Discoverilla
discoveryBanners
Trendaavat aiheet
#
Bonk Eco continues to show strength amid $USELESS rally
Hosico
Hosico+2,27 %
USELESS
USELESS+4,37 %
IKUN
IKUN−0,33 %
gib
gib−0,67 %
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
Bonk
Bonk−1,34 %
ALON
ALON+1,88 %
LAUNCHCOIN
LAUNCHCOIN−11,42 %
GOONC
GOONC−3,14 %
KLED
KLED+29,15 %
#
Boop.Fun leading the way with a new launchpad on Solana.
BOOP
BOOP−0,26 %
Boopa
Boopa−2,41 %
PORK
PORK+6,11 %
Y
Y
2.10. 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: