AI Stack

TAGS / TERM

RLHF

共 81 篇

  1. Claude Fable 5发布：Mythos级模型使用政策引争议 2026-06-10 · BLOGS_PODCASTS
  2. 大模型输出的“隐性结构塌缩”问题及对策 2026-04-19 · JUEJIN
  3. Visual-ERM：面向视觉等价性的奖励建模 2026-03-17 · ARXIV
  4. PhysMoDPO：基于偏好优化的人形机器人物理逼真运动生成 2026-03-17 · ARXIV
  5. Visual-ERM：视觉等效性奖励建模方法 2026-03-16 · ARXIV
  6. 探究推理模型作为裁判在非可验证LLM后训练中的作用 2026-03-16 · ARXIV
  7. 基于能量函数的语言模型特征匹配微调方法 2026-03-16 · ARXIV
  8. 探究推理模型作为裁判在非可验证LLM后训练中的表现 2026-03-15 · ARXIV
  9. 基于能量的语言模型微调：匹配特征而非词元 2026-03-15 · ARXIV
  10. 探究非可验证LLM后训练中的推理模型评判机制 2026-03-14 · ARXIV
  11. 基于能量函数的语言模型特征级微调方法 2026-03-14 · ARXIV
  12. 探究推理LLM作为非可验证后训练评估器的有效性 2026-03-13 · ARXIV
  13. 16个开源RL库的经验总结：保持Token流动 2026-03-11 · BLOGS_PODCASTS
  14. 16个开源强化学习库的实践经验与启示 2026-03-11 · BLOGS_PODCASTS
  15. 基于16个开源RL库的Token流生成经验总结 2026-03-11 · BLOGS_PODCASTS
  16. 16个开源强化学习库的实践经验总结 2026-03-11 · BLOGS_PODCASTS
  17. Agentic Critical Training：基于批判性反馈的大模型推理能力提升机制 2026-03-11 · ARXIV
  18. 从16个开源强化学习库中总结的Token流优化经验 2026-03-10 · BLOGS_PODCASTS
  19. 16个开源RL库经验总结：维持Token流的关键 2026-03-10 · BLOGS_PODCASTS
  20. 基于16个开源RL库的Token流生成经验总结 2026-03-10 · BLOGS_PODCASTS
  21. 16个开源强化学习库的经验总结与启示 2026-03-10 · BLOGS_PODCASTS
  22. 16个开源强化学习库的实践经验与启示 2026-03-10 · BLOGS_PODCASTS
  23. 迈向偏差可控的LLM评判器：基于有界评估的无偏验证 2026-03-08 · ARXIV
  24. 基于内部激活监测生成过程中的突发奖励黑客行为 2026-03-05 · ARXIV
  25. Amazon Nova 强化微调原理、应用场景与实现选项解析 2026-03-01 · BLOGS_PODCASTS
  26. Amazon Nova 强化微调：原理、应用场景与实现指南 2026-02-28 · BLOGS_PODCASTS
  27. Amazon Nova 强化微调原理：从评估学习到多轮智能体构建 2026-02-27 · BLOGS_PODCASTS
  28. Amazon Nova 强化微调原理、应用场景与实现选项解析 2026-02-27 · BLOGS_PODCASTS
  29. Amazon Nova 强化微调：原理、场景与实现指南 2026-02-27 · BLOGS_PODCASTS
  30. 基于优化的系统为何难以实现规范响应：代理与架构限制 2026-02-27 · ARXIV
  31. Anthropic 模型蒸馏与 SWE-Bench 作弊机制分析 2026-02-27 · BLOGS_PODCASTS
  32. Amazon Nova 强化微调解析：原理、应用场景与实现指南 2026-02-26 · BLOGS_PODCASTS
  33. 基于 veRL 与 Ray 在 SageMaker 上训练 CodeFu-7B 模型 2026-02-26 · BLOGS_PODCASTS
  34. 在 Amazon SageMaker 上使用 veRL 与 Ray 训练 CodeFu-7B 模型 2026-02-26 · BLOGS_PODCASTS
  35. 在 Amazon SageMaker 上使用 veRL 与 Ray 训练 CodeFu-7B 模型 2026-02-26 · BLOGS_PODCASTS
  36. 基于 veRL 在 SageMaker 与 Ray 上训练 CodeFu-7B 模型 2026-02-25 · BLOGS_PODCASTS
  37. 数十场中型发布会背后的共同主题：形成闭环 2026-02-25 · BLOGS_PODCASTS
  38. 基于veRL与Ray在SageMaker上训练CodeFu-7B模型 2026-02-25 · BLOGS_PODCASTS
  39. 使用 veRL 和 Ray 在 SageMaker 上训练 CodeFu-7B 模型 2026-02-25 · BLOGS_PODCASTS
  40. 使用veRL和Ray在SageMaker上训练CodeFu-7B模型 2026-02-24 · BLOGS_PODCASTS
  41. 大模型开发演进：从ChatGPT到多模态与A2A协作 2026-02-24 · JUEJIN
  42. 用于软优势策略优化的平滑门函数 2026-02-24 · ARXIV
  43. MARS：基于边界感知与自我优化的奖励建模 2026-02-23 · ARXIV
  44. MARS：基于边距感知奖励建模与自我精炼 2026-02-22 · ARXIV
  45. MMARS：基于边际感知与自我精炼的奖励建模 2026-02-21 · ARXIV
  46. MARS：基于边际感知与自我精炼的奖励建模 2026-02-20 · ARXIV
  47. 强化快速权重与下一序列预测 2026-02-19 · ARXIV
  48. 基于枢纽重采样的LLM强化学习深度密集探索 2026-02-17 · ARXIV
  49. CM2：基于清单奖励强化学习的多步智能体工具调用 2026-02-16 · ARXIV
  50. CM2：基于清单奖励强化学习的多步智能体工具调用 2026-02-15 · ARXIV