#GRPO
خبرSterling: مدل ۳ میلیارد پارامتر فعال سامایا در پژوهش مالی، ۱۱ برابر ارزان‌تر از Claude Fable 5.1
سامایا AI مدل Sterling را منتشر کرد: یک ایجنت پژوهش مالی با ۳ میلیارد پارامتر فعال که در بنچمارک FrontierFinance از Claude Fable 5.1 پیشی…
۸ آبان ۱۴۰۵۳ دقیقه مطالعه
خبرJOLT: روش آموزش پسین Perplexity و NVIDIA که با ۶.۵ برابر توکن کمتر به دقت GRPO می‌رسد
Perplexity و NVIDIA روش JOLT را معرفی کردند: یک مدل هم‌زمان نقش معلم و شاگرد را بازی می‌کند و در MATH با ۶.۵ برابر توکن کمتر به دقت GRPO…
۳۰ مهر ۱۴۰۵۲ دقیقه مطالعه
خبرapex-flash-1: مدل بازِ امنیت با نرخ حل ۶۶/۷ درصد و هزینه ۲/۳۸ دلاری در هر اجرای ۶۰ تسکی
Cantina Security و Yeta Labs مدل apex-flash-1 را منتشر کردند؛ یک مدل باز با ۳۲۱/۳ میلیارد پارامتر که ۴۰ از ۶۰ تسک آسیب‌پذیری را حل می‌کند.
۱۳ مهر ۱۴۰۵۲ دقیقه مطالعه