PrimeIntellect publica Intellect-2: Un modelo de razonamiento 32B capacitado a través de aprendizaje de refuerzo asíncrono distribuido
A medida que los modelos de lenguaje se escalan en el recuento de parámetros y la complejidad del razonamiento, las tuberías de entrenamiento centralizadas tradicionales enfrentan restricciones crecientes. El entrenamiento…