Santiago Valdarrama

这些人测试了一个自动调节器，可以优化整个强化学习循环。 八项数学和编码工作： • 训练步骤速度加快了 1.42 倍至 4.93 倍（中位数为 3.5 倍）。 • 他们的 DeepSeek 设置在 40 个 GPU 上的运行速度比早期设置在 56 个 GPU 上的运行速度更快。 • 在一项编码工作中，他们将每个训练步骤从 10.7 分钟减少到 7.9 分钟。