Repensando los grupos en RLVR sin crítico
Descubre cómo eliminar la necesidad de grupos en RLVR sin crítico usando filtrado de tokens negativos, logrando entrenamiento estable con un solo rollout.
#filtrado de tokens negativos
Repensando los grupos en RLVR sin crítico
Descubre cómo el filtrado de tokens negativos permite entrenar modelos de lenguaje con una sola ejecución, reemplazando los grupos tradicionales en RLVR.