分布式强化学习

著名模型DeepCoder-14B-Preview开源，参数虽少但表现优异。该模型在LiveCodeBench测试中得分为60.6%，高于OpenAI的o1模型，接近o3-mini水平。Together AI不仅开源模型权重和训练数据集，还优化了训练方法和技术以提升性能。