AI Stack

TAGS / TERM

PPO

共 22 篇

  1. 基于PPO的树搜索蒸馏优化语言模型 2026-03-15 · HACKER_NEWS
  2. 基于PPO的树搜索蒸馏技术优化语言模型 2026-03-15 · HACKER_NEWS
  3. 基于PPO的树搜索蒸馏优化语言模型 2026-03-15 · HACKER_NEWS
  4. 基于PPO的树搜索蒸馏技术优化语言模型 2026-03-15 · HACKER_NEWS
  5. 16个开源RL库的经验总结：保持Token流动 2026-03-11 · BLOGS_PODCASTS
  6. 16个开源强化学习库的实践经验与启示 2026-03-11 · BLOGS_PODCASTS
  7. 基于16个开源RL库的Token流生成经验总结 2026-03-11 · BLOGS_PODCASTS
  8. MMARS：基于边际感知与自我精炼的奖励建模 2026-02-21 · ARXIV
  9. MARS：基于边际感知与自我精炼的奖励建模 2026-02-20 · ARXIV
  10. 基于人类反馈的强化学习：原理与应用 2026-02-07 · HACKER_NEWS
  11. 基于人类反馈的强化学习原理与应用 2026-02-07 · HACKER_NEWS
  12. 基于人类反馈的强化学习：原理与应用 2026-02-07 · HACKER_NEWS
  13. 基于人类反馈的强化学习机制解析 2026-02-07 · HACKER_NEWS
  14. 重新思考大模型强化学习中的信任区域机制 2026-02-06 · ARXIV
  15. 重新思考大模型强化学习中的信任区域 2026-02-05 · ARXIV
  16. IRL-DAL：基于能量引导扩散模型的安全自适应自动驾驶轨迹规划 2026-02-03 · ARXIV
  17. IRL-DAL：基于能量引导扩散模型的自动驾驶安全自适应轨迹规划 2026-02-02 · ARXIV
  18. GPT-OSS实战复盘：解锁Agentic RL训练的突破性路径！🚀 2026-01-28 · BLOGS_PODCASTS
  19. 🚚🚀多目标强化学习！让卡车在高速车流中决策更高效、更智能！ 2026-01-28 · ARXIV
  20. 🚛🚦高速公路卡车决策新突破！多目标强化学习让战术决策更高效！ 2026-01-27 · ARXIV
  21. 揭秘Agentic RL训练！GPT-OSS实战回顾，核心干货🔥 2026-01-27 · BLOGS_PODCASTS
  22. 🚀GPT-OSS智能体RL训练解密！从0到1实战复盘🔥 2026-01-27 · BLOGS_PODCASTS