Compra criptomonedas
Pagar con
USD
USD
Compra y venta
Hot
Acepta Visa, Mastercard, SEPA y más
P2P
0 Fees
Trading flexible y sin tarifas
Gate Card
Paga con tus cripto en todo el mundo
Mercados
Operar
Básico
Avanzado
Futuros
Contrato
Accede a cientos de contratos perpetuos
CFD
Oro
Plataforma global de activos tradicionales
Opciones
Hot
Opera con opciones estándar al estilo europeo
Cuenta unificada
Maximiza la eficacia de tu capital
Trading de prueba
Introducción al trading de futuros
Prepárate para operar con futuros
Eventos de futuros
Únete a eventos para ganar recompensas
Trading de prueba
Usa fondos virtuales para probar el trading sin asumir riesgos
Stocks
CFD
Derivados de CFD de acciones estadounidenses
Futuros
Alto apalancamiento, trading 24/7
Acciones tokenizadas
Respaldado por acciones reales
GUSD
Acuña GUSD para obtener rendimientos de RWA del Tesoro
Earn
Lanzamiento
CandyDrop
tag
Acumula golosinas para ganar airdrops
Launchpool
Staking rápido, ¡gana nuevos tokens con potencial!
HODLer Airdrop
Holdea GT y consigue airdrops enormes gratis
IPO Access
tag
Accede al acceso completo a las OPV de acciones globales
Puntos Alpha
Opera activos on-chain y recibe airdrops
Puntos de futuros
Gana puntos de futuros y reclama recompensas de airdrop
Inversión
Square
Square
Descubra el valor en criptomonedas
En vivo
moments live
Análisis del mercado de criptomonedas en tiempo real
Chat
Chatea con traders de criptomonedas
Noticias
Lo que está ocurriendo en el mundo de las criptomonedas
flower_head
Más
Promociones
AI
Otros
TradFi
IPO
Recompensas
Plaza
Más recientes
Populares
Noticias
Perfil

Tencent Hunyuan lanza UniRL: infraestructura unificada de aprendizaje por refuerzo multimodal

MeNews
robot
Generación de resúmenes en curso
ME AI Mensaje, Tencent Hunyuan lanza UniRL, una infraestructura de aprendizaje por refuerzo que soporta modelos multimodales unificados, y presenta dos nuevos algoritmos DRPO y Flow-DPPO. UniRL cubre modelos de difusión/matching de flujo, LLM/VLM y modelos multimodales unificados (como Hunyuan-Image 3 y Bagel) mediante un ciclo de entrenamiento posterior único (generar→evaluar→ventaja→actualizar→sincronizar). Los modelos y algoritmos se consideran ejes independientes, permitiendo combinaciones de modelos×algoritmos. El marco soporta motores de rollout modulares (lado de entrenamiento/SGLang/vLLM-Omni), particionado FSDP2 y tres modos de despliegue. FlowDPPO introduce una estrategia de optimización basada en confianza con divergencia precisa para modelos de flujo/difusión; DRPO ofrece un método de regularización cuadrática ponderada por ventaja suave para RL con LLM. El código ya está de código abierto. (Fuente: AiHot)
Ver original
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
  • Recompensa
  • Comentar
  • Republicar
  • Compartir
Comentar
Añadir un comentario
Añadir un comentario
Sin comentarios

  • Fijado

Mapa del sitio