RLVR

条目：3

2026年四月 2 篇

类型	阅读	条目
[自动] [BLOGS_PODCASTS]	2min	mic 使用Lambda设计Amazon Nova模型的奖励函数指南 04-14 RLVR RLAIF 奖励函数
[自动] [BLOGS_PODCASTS]	2min	mic AWS Lambda为Amazon Nova构建可扩展奖励函数的最佳实践 04-13 AWS Lambda Amazon Nova 强化学习

2026年三月 1 篇

类型	阅读	条目
[自动] [ARXIV]	3min	school 基于能量函数的语言模型特征匹配微调方法 03-13 微调 SFT 能量函数