25
2025/09
北大 & 字节 Seed 提出 DACE：难度感知下的确定性引导探索
我们能否在不引入昂贵的过程监督（process supervision）的前提下，为模型提供更细粒度的学习信号？是否存在一种源自模型内部的、能够反映其推理状态
...
从“方差坍塌”到“探索失效”：深入剖析强化学习在大型语言模型中的核心挑战
前言：当LLM遇见强化学习，是火花还是陷阱？
近年来，大型语言模型（LLM）与强化学习（RL）的结合，特别是以人类反馈强化学习（RLHF）为代表的技术，已成为
...