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

10
2026/01

大模型

NVIDIA 提出 GDPO:面向多奖励强化学习的解耦归一化策略

论文标题:GDPO: Group reward-Decoupled Normalization Policy Optimization for Mult ...
22 小时前
19 1

专题展示

NVIDIA 提出 GDPO:面向多奖励强化学习的解耦归一化策略
22 小时前
DeepSeek-R1 v2 发布:新增技术细节与训练流程全解读
3 天前
WAIT, WAIT, WAIT... WHY DO REASONING MODELS LOOP?
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