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 ...
3 月前
292 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 ...
3 月前
240 1

专题展示

Weak-Driven Learning:弱模型如何助力强模型突破后训练瓶颈
2 天前
Agentic Proposing——基于组合技能合成的大语言模型推理增强
3 天前
美团提出 DynaMO:面向RLVR的动态Rollout分配与优势调节策略
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