⚡FP8 gjør RL raskere – men på bekostning av ytelsen. Vi presenterer FlashRL, den første åpen kildekode og fungerende RL-oppskriften som bruker INT8/FP8 for utrulling uten å miste ytelse sammenlignet med BF16! 📝 Blogg: 💻 Kode:
40,5K