标签: LLM Training | Z3r4y

2026
2026-09-04
MiniMax M3 的 RL 设计：以数学证明 task 为例
2026-08-27
重看chat_template：训练与推理共用的协议与攻击面
2026-08-11
U-OPSD：以self-consistency取代真值监督的无监督自蒸馏
2026-07-19
MiniMax-M2 Series：Pretraining、SFT、RL 与训练外层循环