新博客:如何将 RL 扩展到 10^26 FLOP 每个人都在努力找出使用 RL 扩展推理的正确方法 伊利亚将互联网比作化石燃料:它可能是我们拥有的唯一有用数据。而且它是消耗品 也许我们应该从互联网上学习推理(而不仅仅是数学和代码)
75.98K