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

22
2026/01

大模型

JudgeRLVR:先判断后生成——打破推理模型“长思维链”的效率悖论

论文标题:JudgeRLVR: Judge First, Generate Second for Efficient Reasoning 论文链接: ...
1 天前
18 0

专题展示

Agentic Reasoning for Large Language Models 综述:基础、进化与协作
4 小时前
JudgeRLVR:先判断后生成——打破推理模型“长思维链”的效率悖论
1 天前
你的 GRPO 的优势估计是有偏差的:GRPO 中的统计陷阱与 HA-DW 修正方案
2 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