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

23
2025/12

大模型

从 0.5B 到 72B:揭秘 RL Post-Training 中的计算、数据与模型规模权衡

论文标题:Scaling Behaviors of LLM Reinforcement Learning Post-Training: An Empir ...
3 月前
398 1

专题展示

Qwen 团队提出 FIPO:通过 Future-KL 影响的策略优化激发大模型深度推理能力
1 天前
mSFT: 解决多任务SFT过拟合问题
4 天前
Qwen 团队提出 HopChain:通过多跳数据合成缓解 VLM 的复合推理错误
6 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