←新闻详情

Nathan Lambert更新于 10月25日 19:50

Nathan Lambert 评 Tinker StableReinforce 逆向分析

Nice thread, some RL details used by closed labs slowly leaking out.

AI 导读

Martin Marek 发帖称,Tinker 的新 StableReinforce 目标函数是 Reinforce 加 Score Centering,并分享了自己的逆向分析过程。Nathan Lambert 转发评论称,这条帖子不错,封闭实验室使用的一些 RL 细节正在慢慢流出。

引用

Martin Marek

@mrtnm

Tinker 新的 StableReinforce 目标函数是 Reinforce + Score Centering。以下是我逆向分析它的过程 🧵

查看原文

Tinker's new StableReinforce objective is Reinforce + Score Centering. Here's how I reverse-engineered it 🧵

查看原帖

正文

Nice thread, some RL details used by closed labs slowly leaking out.

来源

Nathan Lambert