Sjekk ut Web3 Giveaway for mer spennende belønninger
discoveryBanners
Populære emner
#
Bonk Eco continues to show strength amid $USELESS rally
Hosico
Hosico−8,36 %
USELESS
USELESS−15,13 %
IKUN
IKUN−9,67 %
gib
gib−4,77 %
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
Bonk
Bonk−4,02 %
ALON
ALON−1,51 %
LAUNCHCOIN
LAUNCHCOIN−6,46 %
GOONC
GOONC−0,37 %
KLED
KLED−11,79 %
#
Boop.Fun leading the way with a new launchpad on Solana.
BOOP
BOOP−0,68 %
Boopa
Boopa−0,75 %
PORK
PORK−2,96 %
Aran Komatsuzaki
Aran Komatsuzaki
19. sep., 11:13·
FlowRL: Matching av belønningsdistribusjon for LLM RL • Skifter fra belønningsmaksimering → distribusjonsmatching • +10.0 % mot GRPO, +5.1 % mot PPO på matematikk; Sterke gevinster på kode • Minimerer omvendt KL for å dekke alle gyldige resonneringsveier (unngår moduskollaps)