Статья NeurIPS 2025 от команды Qwen: За пределами правила 80/20: токены меньшинства с высокой энтропией способствуют эффективному обучению с подкреплением для рассуждений LLM Кратко: в RLVR, подобном GRPO, вы должны применять потерю только к 20% токенов с наивысшей энтропией. [1/7]

Точно так же, как и Лекс, я попробовал мировую модель Tesla на NeurIPS Вот что я узнал (очевидно, они не могли подтвердить или опровергнуть мои гипотезы 😉) На стенде Tesla вы могли управлять мировой моделью в реальном времени, как в видеоигре. Это на порядки быстрее, чем другие ММ. [1/4]