A Meta acaba de lançar este documento que revela o segredo do aprendizado por reforço (RL) em LLMs. Ele apresenta uma receita de RL, utiliza 400.000 horas de GPU e postula uma lei de escalonamento para desempenho com mais computação em RL, como as clássicas leis de escalonamento de pré-treinamento. Leitura obrigatória para nerds de IA.
Fonte:
102,65K