发现功能使用指南
discoveryBanners
热门话题
#
Bonk 生态迷因币展现强韧势头
Hosico
Hosico-8.53%
USELESS
USELESS-21%
IKUN
IKUN-13.19%
gib
gib-7.91%
#
有消息称 Pump.fun 计划 40 亿估值发币，引发市场猜测
Bonk
Bonk-3.44%
ALON
ALON-15.77%
LAUNCHCOIN
LAUNCHCOIN-8.94%
GOONC
GOONC-4.17%
KLED
KLED+35.5%
#
Solana 新代币发射平台 Boop.Fun 风头正劲
BOOP
BOOP-0.66%
Boopa
Boopa+4.52%
PORK
PORK+16.76%
header
Y
语言与思想
Y
Y10月11日 06:33
Mamba-3 即将推出！ 比 Transformers 和快速权重程序（FWP）表现更好 ()
26.81K
Y
Y10月2日 05:02
很高兴看到@thinkymachines的新Tinker-docs，它们确认了GRPO损失中的不一致性。 我们在之前的工作中探讨了这个问题()，并开发了一种更稳健的方法，显著提高了性能： • 相较于GRPO提高了12个绝对点 • 相较于DAPO提高了6个绝对点 我们的论文详细介绍了KL正则化策略梯度算法的设计，我们的代码库提供了修正后的实现。 论文： 代码：
15.47K