Teortaxes▶️ (DeepSeek 推特🐋铁粉 2023 – ∞)（@teortaxesTex）のスレッド

ちなみにRednoteです。Nvidiaの論文と同じく、これは「ゼロからの事前学習」ではなく、単なる中間学習段階の1つです。もちろんQwenです。 これは主流になると思います。基本的には、合成データとRLVRに関する現在の煩雑な慣行をリファクタリングするものです。レスポンスの長さは👀です。