第一个基于 Baguettotron 的 RL/DPO 项目（而且，非常符合品牌调性，还创作了 RL 诗歌）。它也间接地回答了能否通过全合成训练实现多样化生成的问题。
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 Alexander Doria（@Dorialexander）的推文线程
共 1 条推文 · 2025年12月5日 17:50
作者信息
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。
共 1 条推文 · 2025年12月5日 17:50
第一个基于 Baguettotron 的 RL/DPO 项目（而且，非常符合品牌调性，还创作了 RL 诗歌）。它也间接地回答了能否通过全合成训练实现多样化生成的问题。