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 ...
2 月前
294 1

专题展示

腾讯混元提出 RubricBench:对齐模型生成的评分标准与人类标准
14 小时前
Weak-Driven Learning:弱模型如何助力强模型突破后训练瓶颈
3 天前
Agentic Proposing——基于组合技能合成的大语言模型推理增强
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