动态

从强化学习视角探讨SFT泛化与奖励矫正

从强化学习视角探讨SFT泛化与奖励矫正

AK

关于SFT的泛化：带奖励矫正的强化学习视角

动态AK2025-08-08原文

打开互动版

相关内容

提醒ChatGPT重置券今晚到期

OpenAI卖篮球引发内部调侃

Andrew Ng发布基于Cerebras晶圆级引擎的快速推理LLM应用课程

比较DeepSeek与K3成本，48倍差距，按任务分配模型

Codex自动化归档查询与组织项目