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 ...
1 月前
313 1

专题展示

Qwen 发布 ArenaRL:解决开放域 Agent 的奖励建模难题
18 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