Orgulhoso de apresentar a Otimização de Política de Sequência de Grupo (GSPO), o nosso algoritmo de RL estável, eficiente e de alto desempenho que alimenta o treinamento de RL em larga escala dos mais recentes modelos Qwen3 (Instruct, Coder, Thinking) 🚀 📄
193,14K