筛选结果
2 篇排序
18:09EN → 简体中文
Matthew Berman· 2025年12月15日使用可验证奖励训练 GPT-OSS 的 2048 策略Matthew Berman · Forward FutureMatthew Berman 演示本地 Unsloth 笔记本、奖励检查，以及一次在 RTX 5090 上运行的 2048 训练。
10:01EN → 简体中文Matthew Berman· 2025年2月5日DeepSeek R1 的代码优化与一项 3 美元的视觉计数实验Matthew Berman · Forward FutureMatthew Berman 研究了一次人类引导的代码改进和一项小规模强化学习实验，并思考它们对 AI 研究的意义。