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

06
2025/12

大模型

复现 Search-R1 总是失败?GRPO 训练不稳定的幕后真凶与对策

论文标题:On GRPO Collapse in Search-R1: The Lazy Likelihood-Displacement Death S ...
14 小时前
11 0

专题展示

复现 Search-R1 总是失败?GRPO 训练不稳定的幕后真凶与对策
14 小时前
PretrainZero:将强化学习前置到预训练阶段的主动学习框架
2 天前
LLM-as-a-Judge 评估中的偏差修正与置信区间构建
3 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