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
正在加载线程详情
正在从 X 获取原始推文，整理成清爽的阅读视图。
通常只需几秒钟，请稍候。
来自 tokenbender（@tokenbender）的推文线程
共 3 条推文 · 2025年11月1日 04:39
作者信息
RL and efficient distributed pretraining • eXperiments lab • memes and training lores
共 3 条推文·Sat Nov 01 04:39:03
已翻译为 ZH
线程正文