acorde, querida, algo novo RL caiu
Chujie Zheng ✈️ ICLR
Chujie Zheng ✈️ ICLR25 de jul., 18:35
Orgulho de apresentar a Otimização de Política de Sequência de Grupo (GSPO), nosso algoritmo RL estável, eficiente e de alto desempenho que alimenta o treinamento de RL em larga escala dos modelos Qwen3 mais recentes (Instruir, Codificador, Pensar) 🚀 📄
696