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

21
2025/11

大模型

陈丹琦团队新作 Retaining by Doing:揭示 RL 比 SFT 为什么更能缓解灾难性遗忘

论文标题:Retaining by Doing: The Role of On-Policy Data in Mitigating Forgetting ...
6 小时前
6 0

专题展示

陈丹琦团队新作 Retaining by Doing:揭示 RL 比 SFT 为什么更能缓解灾难性遗忘
6 小时前
微软提出 GAD:通过生成对抗蒸馏方法实现 On-Policy 蒸馏 GPT-5
1 天前
LightReasoner:利用小模型引导大模型推理的对比学习框架
2 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 © 2017-2025 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