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
2026/02

大模型

大语言模型强化微调中的熵动力学分析

论文标题:On the Entropy Dynamics in Reinforcement Fine-Tuning of Large Language ...
1 月前
163 1

专题展示

微信团队提出 D3S:动态双层下采样加速大模型 RL 对齐
1 天前
OpenMOSS 团队提出 BandPO:通过概率感知边界连接 LLM RL 中的信任区域与比率裁剪
3 天前
ICLR 2026: 探讨无监督 RLVR 在 LLM 训练中的扩展边界
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