➡️
继续阅读
-
大模型不只是预测下一个词：RLVR让它自己跟自己下棋
大模型不再仅依赖预测下一个词，通过RLVR强化学习，它能自主探索解题路径，从模仿者转变为探索者。预训练如同背诵课文，而RLVR则类似自我解题，借助可验证奖...
-
并行策略总览：六个维度各切什么、怎么通信
本文介绍大模型并行训练的核心概念，将DP、TP、SP、PP、EP、CP六种并行方式按切分维度、显存减少、通信开销和等待关系列表对比。并行本质是切分模型并引...
-
机器人不能停下来等模型：星尘发布 SmoothRL，让在线强化学习跟上大模型的异步推理
星尘智能发布SmoothRL框架，解决真实机器人异步执行中的在线强化学习问题。该框架仅对实际执行的动作进行学习，并保持训练与部署节奏一致。在投掷、戴笔帽、...
-
Linux Kernel 7.1已经结束生命周期不再提供更新 用户应尽快升级到7.2系列
Linux Kernel 7.1系列已结束支持，最终版7.1.13于9月2日发布，含76项修复。该非LTS版本生命周期短，官方建议用户升级至7.2系列或L...
-
用 ChatGPT 定时任务做一个 Hacker News 中文摘要网站
作者利用ChatGPT定时任务自动抓取Hacker News前30条，生成中文摘要并筛选兴趣内容，通过Eleventy构建静态网站hn-digest并发布...
-
CEO的1元年薪起源 - 编程一生
本文介绍了多个商业现象的起源：手机系统更新导致变慢源于安迪-比尔定理，即软件消耗硬件提升；CEO拿1元年薪始于克莱斯勒和乔布斯，象征共渡难关；公司延迟上市...
