NVIDIA 用专家任务 RL 后训练 Nemotron 3.5 Super
热点事件持续更新
NVIDIA 用专家任务 RL 后训练 Nemotron 3.5 Super
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Sushant Mehta 与 Edwin Chen 发表论文称,他们用五个专家构建的任务数据集,对 NVIDIA 的 Nemotron 3.5 Super(120B 总参数、12B 激活参数)逐个做强化学习后训练,每次用 CISPO 在 Tinker 上训练全新的 rank-32 LoRA 适配器。 论文报告了该后训练及评测结果,但摘要未给出具体性能变化;训练处于无监督阶段。
AI 根据报道生成 · 1 小时前更新
最新进展11月18日 13:00
在专家构建任务上做 RL 能给 Nemotron 3.5 Super 带来什么报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AI在专家构建任务上做 RL 能给 Nemotron 3.5 Super 带来什么
NVIDIA 用五个专家构建的任务数据集对 Nemotron 3.5 Super(120B 总参数、12B 激活参数)逐个做强化学习后训练,每次用 CISPO 在 Tinker 上训练全新的 rank-32 LoRA 适配器,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。