gpu-training

名为 OpenResearch 的新功能支持复现和基于论文进行实验，通过一键模板即可在 ToolRL 上训练 Vector Policy Optimization (VPO)，从而实现多样化的答案生成并改进测试时搜索。

Andrej Karpathy 开源了一个自主研究智能体，它能在单张 GPU 上通宵运行自己的机器学习实验，通过编辑代码自动迭代改进，并保留那些能降低验证损失的变化。