การทะเลาะกัน 3 405b

Tülu 3 405b, ล่าสุดในTülu 3 Series, มีประสิทธิภาพสูงกว่า Deepseek-V3, คู่แข่ง GPT-4O และโมเดลที่ได้รับการฝึกอบรมหลังน้ำหนักอื่น ๆ เช่น LLAMA 3.1การใช้ประโยชน์จากการเรียนรู้การเสริมแรงจากรางวัลที่ตรวจสอบได้ (RVLR) มันจะปรับพารามิเตอร์ 405B, การตั้งค่ามาตรฐานใหม่