Je ne veux pas être désagréable, mais si vous effectuez un entraînement intermédiaire sur des exemples d'instructions de raisonnement, comment pouvez-vous l'appeler RL-Zéro ? Zéro n'est-il pas censé signifier… à partir de rien ?
Chargement du thread
Récupération des tweets originaux depuis X pour offrir une lecture épurée.
Cela ne prend généralement que quelques secondes.