Qwen3.6-35B per RL trainiert, um kleine Qwen-Modelle per RL zu trainieren
ToolsQwen
Warum es zählt
Der Ansatz zeigt, dass rekursives RL-Training (Modell trainiert Modelle) mit überschaubarem Budget (~1.300 USD) und Open-Source-Tooling realisierbar ist. Die Episode-Reward stieg von ~0,0 auf ~0,63, und die Fähigkeit generalisierte auf eine nie gesehene Task-Familie — relevant für AI-Builder, die automatisiertes Modell-Finetuning skalieren wollen.
— Lumeric Redaktion
~0.63 Episode Reward
Peak nach 54 äußeren RL-Schritten
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
Qwen3.6-35B per RL trainiert, um kleine Qwen-Modelle per RL zu trainieren
ToolsQwen
Warum es zählt
Der Ansatz zeigt, dass rekursives RL-Training (Modell trainiert Modelle) mit überschaubarem Budget (~1.300 USD) und Open-Source-Tooling realisierbar ist. Die Episode-Reward stieg von ~0,0 auf ~0,63, und die Fähigkeit generalisierte auf eine nie gesehene Task-Familie — relevant für AI-Builder, die automatisiertes Modell-Finetuning skalieren wollen.
— Lumeric Redaktion
~0.63 Episode Reward
Peak nach 54 äußeren RL-Schritten
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.