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。