發現功能使用指南
discoveryBanners
熱門話題
#
Bonk 生態迷因幣展現強韌勢頭
Hosico
Hosico-8.92%
USELESS
USELESS-20.14%
IKUN
IKUN-13.19%
gib
gib-7.91%
#
有消息稱 Pump.fun 計劃 40 億估值發幣，引發市場猜測
Bonk
Bonk-1%
ALON
ALON-15.77%
LAUNCHCOIN
LAUNCHCOIN-9.37%
GOONC
GOONC-4.17%
KLED
KLED+32.54%
#
Solana 新代幣發射平臺 Boop.Fun 風頭正勁
BOOP
BOOP-0.66%
Boopa
Boopa+4.52%
PORK
PORK+16.76%
header
Y
語言與思想
Y
Y10月11日 06:33
Mamba-3 即將推出！ 比 Transformers 和 Fast Weight Programmers (FWP) 更佳的性能 ()
26.81K
Y
Y10月2日 05:02
很高興看到 @thinkymachines 的新 Tinker-docs，這確認了 GRPO 損失中的不一致性。 我們在之前的工作中探討了這個問題 ()，並開發了一種更穩健的方法，顯著提高了性能： • 相對於 GRPO 提高了 12 個絕對點 • 相對於 DAPO 提高了 6 個絕對點 我們的論文詳細說明了 KL 正則化策略梯度算法的設計，我們的庫提供了修正的實現。 論文： 代碼：
15.47K