专家任务RL后训练Nemotron 3.5 Super研究
热点事件持续更新
专家任务RL后训练Nemotron 3.5 Super研究
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Sushant Mehta 与 Edwin Chen 发布论文,依次用五个专家构建任务数据集对 NVIDIA Nemotron 3.5 Super(120B 总参数、12B 激活参数)做强化学习后训练,并评测各任务适配器的基准提升。 每次训练在 Tinker 上用 CISPO 训练新的 rank-32 LoRA 适配器,无监督阶段。
AI 根据报道生成 · 1 小时前更新
最新进展11月18日 13:00
NVIDIA 用专家构建任务的强化学习训练 Nemotron 3.5 Super 教会了模型什么报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AINVIDIA 用专家构建任务的强化学习训练 Nemotron 3.5 Super 教会了模型什么
NVIDIA 对 120B 总参数、12B 激活参数的 Nemotron 3.5 Super 依次用五类专家构建任务数据集做强化学习后训练,每次在 Tinker 上用 CISPO 训练新的 rank-32 LoRA adapter,无监督阶段。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。