Original post:
https://www.interconnects.ai/p/openais-reinforcement-finetuning
Chapters
00:00 Introduction
04:19 The impact of reinforcement finetuning’s existence
07:29 Hypotheses on reinforcement finetuning’s implementation
Figures
Fig. 1, Yann’s Cake
Fig. 2, Grader config
Fig. 3, RLVR learning curves
This is a public episode. If you'd like to discuss this with other subscribers or get access to bonus episodes, visit www.interconnects.ai/subscribe
Fler avsnitt av Interconnects
Visa alla avsnitt av InterconnectsInterconnects med Nathan Lambert finns tillgänglig på flera plattformar. Informationen på denna sida kommer från offentliga podd-flöden.
