HY2.0は強化学習にRLVRとRLHFを組み合わせて使用しました

テンセントHY 2.0公式発表:MoEアーキテクチャアップグレード、ThinkとIninstructionのデュアルバージョンリリース

テンセント・フンユアンチームは、テンセントクラウドAPIを通じて開発者や企業向けに開放されている最新バージョンの言語モデル「テンセントHY 2.0」の公式リリースを発表しました。 このアップグレードは、総パラメータスケール4060億、活性化パラメータ320億のハイブリッドエキスパート(MoE)アーキ...