活动
论文
知识树
风云榜
专栏
项目
社交
登录/注册
手机扫码分享
分享
bf16 Rounding Silently Discards Most RL Policy Updates: A Hidden Training-Inference Mismatch and an Unbiased One-Line Fix
491
查看论文
热度
知识树 · 11月科研月报上新