AI Stack 探索 AI 技术前沿，分享深度思考与实践
条目
1989
延迟
—
最新内容
2026-07-15 20:45
非站点部署时间
当前时间
安全连接

TAGS / TERM

GRPO

共 4 篇

  1. 使用 veRL 和 Ray 在 SageMaker 上训练 CodeFu-7B 模型 2026-02-24 · BLOGS_PODCASTS
  2. 用于软优势策略优化的平滑门函数 2026-02-24 · ARXIV
  3. 受限群组相对策略优化 2026-02-06 · ARXIV
  4. 进化策略导致大语言模型出现灾难性遗忘 2026-01-29 · ARXIV