“强化学习”的搜索结果 | 学习AIGC

网站文章

“强化学习”的搜索结果

强化学习的进化：从PPO到MaxRL，LLM推理训练的算法演进史

强化学习的进化：从PPO到MaxRL，LLM推理训练的算法演进史

强化学习已成为大语言模型后...

让离线强化学习从「局部描摹」变「全局布局」丨ICLR’26

让离线强化学习从「局部描摹」变「全局布局」丨ICLR’26

现有的主流生成式离线强化学...

让龙虾越用越聪明！普林斯顿大学为OpenClaw搞了个强化学习框架

让龙虾越用越聪明！普林斯顿大学为OpenClaw搞了个强化学习框架

普林斯顿大学研究团队提出的O...

比人类专家快2倍，斯坦福联合英伟达发布TTT-Discover：用「测试时强化学习」攻克科学难题

比人类专家快2倍，斯坦福联合英伟达发布TTT-Discover：用「测试时强化学习」攻克科学难题

在技术快速发展的背景下，如...

斯坦福英伟达推出测试时强化学习：微调开源模型胜过顶级闭源模型，仅需几百美元

斯坦福英伟达推出测试时强化学习：微调开源模型胜过顶级闭源模型，仅需几百美元

斯坦福大学、英伟达等机构的...

2026年，大模型训练的下半场属于「强化学习云」

2026年，大模型训练的下半场属于「强化学习云」

2024年底，硅谷和北京的科技...

极简主义的胜利：清华团队用最简单的强化学习配方刷新1.5B模型纪录

极简主义的胜利：清华团队用最简单的强化学习配方刷新1.5B模型纪录

清华大学、伊利诺伊大学和上...

全球强化学习+VLA范式，PI*0.6背后都有这家中国公司技术伏笔

全球强化学习+VLA范式，PI*0.6背后都有这家中国公司技术伏笔

Physical Intelligence团队发...

LLM强化学习不稳定之谜，被Qwen团队从「一阶近似」视角解开

LLM强化学习不稳定之谜，被Qwen团队从「一阶近似」视角解开

强化学习（RL）已成为提升大...

月之暗面公开强化学习训练加速方法：训练速度暴涨97%，长尾延迟狂降93%

月之暗面公开强化学习训练加速方法：训练速度暴涨97%，长尾延迟狂降93%

月之暗面联合清华大学提出的...

1 2 3 … 87