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

02
2025/12

大模型

Qwen 推出 MiniRL:关于大规模 RL 训练稳定性的研究和实践

论文标题:Stabilizing Reinforcement Learning with LLMs: Formulation and Practices ...
2 月前
392 4

专题展示

Qwen 发布 ArenaRL:解决开放域 Agent 的奖励建模难题
17 小时前
NTU & 通义提出 AgentOCR:基于光学自压缩的智能体历史重构
2 天前
DroPE:通过在预训练后移除位置编码扩展 LLM 上下文窗口
4 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