Article NeurIPS 2025 de l'équipe Qwen : Au-delà de la règle 80/20 : les jetons minoritaires à haute entropie stimulent un apprentissage par renforcement efficace pour le raisonnement des LLM TLDR : dans le RLVR de type GRPO, vous devriez appliquer la perte uniquement aux 20 % de jetons à la plus haute entropie. [1/7]

Tout comme Lex, j'ai essayé le modèle mondial de Tesla à NeurIPS Voici ce que j'ai appris (évidemment, ils n'ont pas pu confirmer ou infirmer mes hypothèses 😉) Au stand de Tesla, vous pouviez conduire dans le modèle mondial en temps réel, comme dans un jeu vidéo. C'est de plusieurs ordres de grandeur plus rapide que d'autres modèles mondiaux. [1/4]