this is going to marginally improve the quality of results. though my guess is the point about the choice of *PO not having any impact wouldn't be true for every scenario.
スレッドを読み込み中
X から元のツイートを取得し、読みやすいビューを準備しています。
通常は数秒で完了しますので、お待ちください。
tokenbender（@tokenbender）のスレッド
2 件のツイート · 2025/10/31 5:57
作者情報
RL and efficient distributed pretraining • eXperiments lab • memes and training lores
2 件のツイート·Fri Oct 31 05:57:38
JA に翻訳済み
スレッド内容