Part 04 · LLM Internals
Test-Time Compute and Thinking Tokens
Thinking tokensTest-time computeRL with verifiable rewardsWhen to use reasoning
কিছু model উত্তর দেওয়ার আগে ভাবে: আগে লম্বা একটা লুকানো খসড়া লেখে। এটা কীভাবে কাজ করে, যাচাই করা যায় এমন উত্তরে reinforcement learning দিয়ে কীভাবে এটা শেখানো হয়, আর কখন বাড়তি token এর অপেক্ষা আর খরচ পোষায়।
⏱ 1-2 ঘণ্টা · Station 30 / 92
✎
এই chapter টা লেখা চলছে।
Route ঠিক হয়ে গেছে; পুরো walkthrough শীঘ্রই এখানে আসবে।