TwiScan 人気 コミュニティ アカウントコレクション
ログイン 登録

登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

今すぐ登録
Sriraam
@27upon2
post-training research @chakra_ai prev harvard
参加 July 2016
4.1K フォロー中    2.2K ファン
Sriraam@27upon2
2026.06.16 19:34
We’re going back to PPO everybody. Curious if there’s some research or experiments comparing the stability with GRPO style setups when you have compacted rollouts
0
6
247
9
コミュニティへ転送