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
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 tokenbender（@tokenbender）的推文串
共 3 則推文 · 2025年11月1日 凌晨4:39
作者資訊
RL and efficient distributed pretraining • eXperiments lab • memes and training lores
共 3 則推文·Sat Nov 01 04:39:03
已翻譯為 ZH-HANT
推文串內容