blog nou: Cum să scalați RL la 10^26 FLOP-uri toată lumea încearcă să-și dea seama cum să scaleze raționamentul cu RL ilya a comparat internetul cu combustibilul fosil: poate fi singura dată utilă pe care o avem. și este dispensabil poate ar trebui să învățăm să raționăm de pe Internet (nu doar matematică și cod)
75,99K