Applied Compute 发布 Spork 后训练配方，国际象棋解题率较 GRPO 提升 100%

Applied Compute 发布后训练配方 Spork，在国际象棋谜题上的解题率比其最优 GRPO 设置提升 100%。该配方先用 GRPO warmup 将任务数据集切分为多个分区、分别训练专家模型，再通过 multi-teacher on-policy distillation 整合各专家收益。作者将其类比为「勺叉合一」的 spork，并称想尝试用于 Go 谜题。