机器学习POD 机器学习POD
  • 机器学习基础
  • 强化学习基础
  • 大模型
  • 其它
  • 大模型可视化

17
2025/11

大模型

Meta FAIR 推出 HERO:LLM 强化中集成稀疏与密集奖励

论文标题:Hybrid Reinforcement: When Reward Is Sparse, It’s Better to Be Dense ...
4 月前
418 2

专题展示

mSFT: 解决多任务SFT过拟合问题
3 天前
Qwen 团队提出 HopChain:通过多跳数据合成缓解 VLM 的复合推理错误
5 天前
微软新研究:Self-Distillation 会降低大模型的推理能力
6 天前
  • 机器学习基础
  • 强化学习基础
  • 大模型
  • 其它
  • 大模型可视化
Copyright © 2017-2026 机器学习POD. 京公网安备11010802044892号 京ICP备2021031854号
  • 机器学习基础
  • 强化学习基础
  • 大模型
  • 其它
  • 大模型可视化