لم يكن الأكبر أفضل هذه المرة. قام المساهم الأساسي @valoryag بضبط نموذج NVIDIA Nemotron 120B على بيانات التنبؤ من وكلاء Olas، باستخدام الوصفة وراء Olas-Predict-R1-14B: أمثلة استدلال مختارة، تدريب إشرافي أولي، ثم التعلم المعزز. تم تشغيل التدريب عبر Tinker الخاص بـ @thinkymachines. على 11,496 تنبؤًا محفوظًا، لم يُظهر Nemotron تحسنًا واضحًا. قبل → بعد التدريب: • خطأ براير (الأقل أفضل): 0.265 → 0.267 • الدقة المتوازنة (الأعلى أفضل): 59.7% → 59.4% • الإجابات غير القابلة للقراءة (الأقل أفضل): 503 → 528 كان نموذجنا المدرب البالغ 14B أكثر دقة، وأعلى دقة متوازنة، وفقط 10 إجابات غير قابلة للقراءة. احتفظ Nemotron بخطأ براير أقل قليلاً: 0.267 مقابل 0.270. لماذا لم تنتقل الوصفة؟ قد يتطلب تصميم Nemotron القائم على خليط من الخبراء بيانات أكثر تنوعًا أو إعدادات تدريب مختلفة للتنبؤ. لم نختبر هذه التفسيرات، لذا يظل السبب مفتوحًا. ما تعلمناه: وصفتنا الحالية وميزانية التدريب عززت نموذج 14B لكنها لم تحقق أي فائدة واضحة لـ Nemotron. في الخطوة التالية، سنختبر نموذجًا كثيفًا أكبر، مع فحص مبكر للتحسين قبل الالتزام بالتشغيل الكامل. اقرأ التجربة والنتائج: https://t.co/ZSziFiraIZ