AI-Modeller
Liten AI-modell lærte seg selv å kode – nådde 80 % på HumanEval
En utvikler lot en liten AI-modell trene på sine egne feil med GRPO og verifiable rewards - uten menneskeskrevet data. Resultatet: 80 % på…
Utforsk arkivet
Trekningsteknikk der belønningssignal er automatisk verifiserbart, som kode som kjøres mot tester
En utvikler lot en liten AI-modell trene på sine egne feil med GRPO og verifiable rewards - uten menneskeskrevet data. Resultatet: 80 % på…