Купити криптовалюту
Оплачуйте
USD
USD
Купити та продати
Hot
Підтримує Visa, Mastercard, SEPA тощо
P2P
0 Fees
Гнучка торгівля, нульові комісії
Gate Card
Платіть криптовалютою по всьому світу
Ринки
Торгівля
Базовий
Просунутий рівень
Ф'ючерси
Ф'ючерси
Сотні безстрокових контрактів
CFD
Золото
Одна платформа для світових активів
Опціони
Hot
Торгівля ванільними опціонами європейського зразка
Єдиний рахунок
Максимізуйте ефективність вашого капіталу
Демо торгівля
Вступ до ф'ючерсної торгівлі
Підготуйтеся до ф’ючерсної торгівлі
Ф'ючерсні події
Заробляйте, беручи участь в подіях
Демо торгівля
Використовуйте віртуальні кошти для безризикової торгівлі
Stocks
CFD
CFD-деривативи на акції США
Ф'ючерси
Високе кредитне плече, торгівля 24/7
Токенізовані акції
Забезпечено реальними фондовими активами
GUSD
Мінтіть GUSD для отримання дохідності від казначейських RWA
Earn
Запуск
CandyDrop
tag
Збирайте цукерки, щоб заробити аірдропи
Launchpool
Швидкий стейкінг, заробляйте нові токени
HODLer Airdrop
Утримуйте GT і отримуйте масові аірдропи безкоштовно
IPO Access
tag
Отримайте повний доступ до глобальних IPO акцій.
Alpha Поінти
Ончейн-торгівля та аірдропи
Ф'ючерсні бали
Заробляйте фʼючерсні бали та отримуйте аірдроп-винагороди
Інвестиції
Square
Квадрат
Відкрийте для себе цінність криптовалют
Live
moments live
Аналіз крипторинку в реальному часі
Чат
Спілкуйтеся з криптотрейдерами
Новини
Останні новини в світі криптовалют
flower_head
Більше
Акції
AI
Інші
TradFi
IPO
Винагороди
Square
Останні
Популярні
Новини
Профіль

Tencent Hunyuan випустила UniRL: єдина інфраструктура мультимодального навчання з підсиленням

MeNews
robot
Генерація анотацій у процесі
ME AI Повідомлення, Tencent Hunyuan запустила UniRL, інфраструктуру для підкріпленого навчання, яка підтримує єдину мультимодальну модель, а також випустила два нові алгоритми DRPO і Flow-DPPO. UniRL за допомогою одного циклу післяобучення (генерація→оцінка→перевага→оновлення→синхронізація) охоплює моделі дифузії/потоку, LLM/VLM та єдину мультимодальну модель (наприклад, Hunyuan-Image 3 і Bagel). Моделі та алгоритми як окремі осі дозволяють комбінацію моделей і алгоритмів. Каркас підтримує вставляємий рушій розгортання (з боку тренування/SGLang/vLLM-Omni), розбиття FSDP2 та три режими розгортання. FlowDPPO вводить стратегічну оптимізацію довірчої області на основі точного розподілу для моделей потоку/дифузії; DRPO пропонує плавний метод зваженого квадратичного регуляризації для RL з LLM. Код вже відкритий.（Джерело: AiHot）
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
  • Нагородити
  • Прокоментувати
  • Репост
  • Поділіться
Прокоментувати
Додати коментар
Додати коментар
Немає коментарів

  • Закріплено

карта сайту