the algo doesn't promote nuance as much unfortunately, so i give that here.
another major reason, almost all RL papers use veRL. veRL didn't have fp16 support lmao
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
3 件のツイート · 2025/11/01 4:39
作者情報
RL and efficient distributed pretraining • eXperiments lab • memes and training lores
3 件のツイート·Sat Nov 01 04:39:03
JA に翻訳済み
スレッド内容