Hva kan jeg gjøre med Discover
discoveryBanners
Populære emner
#
Bonk Eco continues to show strength amid $USELESS rally
Hosico
Hosico−9,02 %
USELESS
USELESS−22,57 %
IKUN
IKUN−14,3 %
gib
gib−7,12 %
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
Bonk
Bonk+7,88 %
ALON
ALON−14,48 %
LAUNCHCOIN
LAUNCHCOIN−2,14 %
GOONC
GOONC−1,93 %
KLED
KLED+34,06 %
#
Boop.Fun leading the way with a new launchpad on Solana.
BOOP
BOOP−0,66 %
Boopa
Boopa+8,66 %
PORK
PORK+16,76 %
header
Y
Språk og tanke
Y
Y11. okt., 06:33
Mamba-3 kommer! Bedre ytelse enn transformatorer og hurtigvektsprogrammerere (FWP) ()
26,8K
Y
Y2. okt., 05:02
Utmerket å se de nye Tinker-dokumentene fra @thinkymachines, som bekrefter en inkonsekvens i GRPO-tapet. Vi utforsket dette problemet i vårt tidligere arbeid () og utviklet en mer robust metode med betydelige ytelsesforbedringer: • +12 absolutte poeng mot GRPO • +6 absolutte poeng mot DAPO Artikkelen vår beskriver utformingen av KL-regulariserte policygradientalgoritmer, og depotet vårt gir en korrigert implementering. Papir: Kode:
15,47K