Найдено записей: 3
OpenThoughts представляет масштабируемый пайплайн для создания данных SFT, значительно повышающий качество моделей рассуждений и достигающий передовых результатов в математике, программировании и науке.
NVIDIA представила ProRL — новый метод обучения с подкреплением, который за счет увеличения длительности тренировки раскрывает новые способности к рассуждению в моделях ИИ и показывает высокую эффективность на различных тестах.
Новое исследование демонстрирует, что специализированные модели рассуждений с эффективными методами масштабирования во время инференса, такими как голосование большинства, превосходят общие модели в сложных задачах, открывая пути к оптимизации ресурсов.