AI21 Labs

4/5在@alice_dot_io的RL环境中，我们首先使用SFT和DPO训练Nemotron 3.5 Super，然后使用在线RL (GRPO)，在不损害整体任务性能的情况下将攻击弹性提高41分。https://t.co/1dwJIh50rP