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

29
2025/12

大模型

Bottom-up Policy Optimization: 自下而上的策略优化——语言模型内部潜藏的子策略

论文标题:Bottom-up Policy Optimization: Your Language Model Policy Secretly Cont ...
3 月前
288 2

专题展示

京东提出 RLSD:解决 On-Policy 自蒸馏中的信息不对称问题
21 小时前
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
7 天前
mSFT: 解决多任务SFT过拟合问题
1 周前
  • 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