Beli Kripto
Bayar dengan
USD
USD
Beli & Jual
Hot
Mendukung Visa, Mastercard, SEPA, dll.
P2P
0 Fees
Perdagangan fleksibel, nol biaya
Gate Card
Gunakan kripto untuk pembayaran global
Market
Perdagangan
Dasar
Lanjutan
Futures
Futures
Akses ribuan kontrak perpetual
CFD
Emas
Satu platform aset tradisional global
Opsi
Hot
Perdagangkan Opsi Vanilla ala Eropa
Akun Terpadu
Memaksimalkan efisiensi modal Anda
Perdagangan Demo
Pengantar tentang Perdagangan Futures
Bersiap untuk perdagangan futures Anda
Acara Futures
Gabung acara & dapatkan hadiah
Perdagangan Demo
Gunakan dana virtual untuk merasakan perdagangan bebas risiko
Stocks
CFD
Derivatif CFD Saham AS
Saham AS
Akses saham AS dan ETF yang nyata
Saham HK
Perdagangkan saham berkualitas yang terdaftar di Hong Kong
Saham Korea
SK Hynix
Perdagangkan Saham Korea Nyata dan Berinvestasi pada Aset Populer
Saham Futures
Leverage tinggi, perdagangan 24/7
Tokenized Stocks
Didukung oleh aset saham nyata
IPO Access
Buka akses penuh ke IPO saham global
GUSD
Mint GUSD untuk Imbal Hasil Treasury RWA
Aktivitas Saham
Perdagangkan Saham Populer dan Dapatkan Airdrop yang Melimpah
Earn
Peluncuran
CandyDrop
Koleksi permen untuk mendapatkan airdrop
Launchpool
Staking cepat, dapatkan token baru yang potensial
HODLer Airdrop
Pegang GT dan dapatkan airdrop besar secara gratis
IPO Access
Buka akses penuh ke IPO saham global
Poin Alpha
Perdagangkan aset on-chain, raih airdrop
Poin Futures
Dapatkan poin futures dan klaim hadiah airdrop
Investasi
Square
Kotak
Temukan nilai dalam kripto
Live
moments live
Analisis live pasar kripto
Chat
Mengobrol dengan trader kripto
Berita
Apa yang terjadi di kripto
flower_head
Lainnya
Promosi
AI
Lainnya
TradFi
2026 World Cup
Hadiah
Square
Terbaru
Populer
Berita
Profil

Pembaruan generasi pelatihan lanjutan V4: OPD menggantikan RL campuran, sepuluh lebih model ahli disuling menjadi satu.

MeNews
robot
Pembuatan abstrak sedang berlangsung
ME News berita, 24 April (UTC+8), menurut pantauan Dongcha Beating, metodologi pasca-pelatihan DeepSeek V4 mengalami perubahan besar: fase mixed RL dari V3.2 sepenuhnya digantikan oleh On-Policy Distillation (OPD, distilasi kebijakan online). Proses baru terbagi menjadi dua langkah. Langkah pertama, untuk bidang seperti matematika, kode, Agen, pengikut instruksi, model ahli bidang masing-masing dilatih berdasarkan pipeline V3.2, setiap ahli terlebih dahulu menjalani fine-tuning kemudian menggunakan GRPO untuk pembelajaran penguatan. Langkah kedua, menggunakan OPD multi-guru untuk mendistilasi kemampuan lebih dari sepuluh ahli ke dalam satu model terpadu: siswa menghasilkan trajektori sendiri, kemudian melakukan distilasi logit kosakata penuh dengan reverse KL divergence pada setiap guru, menggabungkan bobot beberapa ahli ke dalam ruang parameter terpadu melalui penyelarasan level logit, menghindari konflik kemampuan yang umum terjadi pada weight merging tradisional dan mixed RL. Laporan juga mengusulkan Generative Reward Model (GRM, model reward generatif): untuk tugas yang sulit diverifikasi dengan aturan, tidak lagi melatih model reward skalar tradisional, melainkan melatih GRM dengan data RL yang dipandu rubrik, sehingga jaringan aktor sekaligus menanggung kemampuan generasi dan penilaian, dengan sedikit anotasi manual yang beragam dapat digeneralisasi ke tugas kompleks. (Sumber: BlockBeats)
DEEPSEEK-2,53%
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
  • Hadiah
  • Komentar
  • Posting ulang
  • Bagikan
Komentar
Tambahkan komentar
Tambahkan komentar
Tidak ada komentar

  • Disematkan

peta situs