カテゴリー： 計算効率化

• SortedRL：大規模言語モデルの RL 訓練を 50% 高速化、効率を 18% 向上
• すべてのトークンが平等ではない！Google が真の「深い思考」を提案：思考連鎖の長さ＝深い推論ではない