新部落格:如何將 RL 擴展到 10^26 FLOP 每個人都在嘗試找出使用 RL 擴展推理的正確方法 伊利亞將互聯網比作化石燃料:它可能是我們擁有的唯一有用數據。而且它是消耗品 也許我們應該從互聯網中學習推理(不僅僅是數學和代碼)
75.98K