BF16 -> FP16 هو مثل هذا البسيط (تغيير تكوين واحد في الشوفان) ولكنه إصلاح أساسي لعدم تطابق التدريب على الاستدلال. مع FP16 ، تتفوق الأهمية الأساسية لأخذ عينات PG على جميع الإصلاحات الخوارزمية في BF16. دعونا نعيد التفكير في استقرار RL من منظور الدقة. 🔎