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

09
2025/12

大模型

Differential Smoothing——缓解 RL 微调中的分布坍缩并提升 LLM 推理能力

论文标题:Differential Smoothing Mitigates Sharpening and Improves LLM Reasoning ...
9 小时前
10 0
大模型

Natural Language Actor-Critic: 语言空间中的可扩展异策略学习 (NLAC)

论文标题:Natural Language Actor-Critic: SCALABLE OFF-POLICY LEARNING IN LANGUAGE ...
9 小时前
7 0

专题展示

Differential Smoothing——缓解 RL 微调中的分布坍缩并提升 LLM 推理能力
9 小时前
Natural Language Actor-Critic: 语言空间中的可扩展异策略学习 (NLAC)
9 小时前
AAAI 2026:DeltaEdit 实现 LLM 连续知识编辑
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