What can I do with Discover
discoveryBanners
トレンドトピック
#
Bonk Eco continues to show strength amid $USELESS rally
Hosico
Hosico+9.24%
USELESS
USELESS+35.13%
IKUN
IKUN+9.78%
gib
gib+2.3%
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
Bonk
Bonk+2.49%
ALON
ALON+3.66%
LAUNCHCOIN
LAUNCHCOIN+6.09%
GOONC
GOONC+7.49%
KLED
KLED+29.66%
#
Boop.Fun leading the way with a new launchpad on Solana.
BOOP
BOOP-0.4%
Boopa
Boopa+12.27%
PORK
PORK+5.93%
header
Y
言語と思考
Y
Y10月11日 06:33
マンバ-3が発売予定! トランスフォーマーやファストウェイトプログラマー(FWP)よりも優れた性能()
33.69K
Y
Y10月2日 05:02
GRPO損失の不一致を確認する@thinkymachinesの新しいTinker-docsを見るのは素晴らしいことです。 この問題は以前の研究()で調査し、パフォーマンスが大幅に向上したより堅牢な方法を開発しました。 • GRPO に対して +12 絶対ポイント • DAPO に対して +6 絶対ポイント 私たちの論文では、KL正則化されたポリシー勾配アルゴリズムの設計を詳細に説明しており、リポジトリは修正された実装を提供します。 紙： コード：
15.51K