第一個基於 Baguettotron 的 RL/DPO 項目（而且，非常符合品牌調性，也創作了 RL 詩歌）。它也間接地回答了能否透過全合成訓練實現多樣化生成的問題。
正在載入線程內容
正在從 X 取得原始推文，整理成清爽的閱讀畫面。
通常只需幾秒鐘，請稍候。
來自 Alexander Doria（@Dorialexander）的推文串
共 1 則推文 · 2025年12月5日 下午5:50
作者資訊
正在載入線程內容
正在從 X 取得原始推文，整理成清爽的閱讀畫面。
通常只需幾秒鐘，請稍候。
共 1 則推文 · 2025年12月5日 下午5:50
第一個基於 Baguettotron 的 RL/DPO 項目（而且，非常符合品牌調性，也創作了 RL 詩歌）。它也間接地回答了能否透過全合成訓練實現多樣化生成的問題。