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

27
2026/02

大模型

美团提出 DynaMO:面向RLVR的动态Rollout分配与优势调节策略

论文标题:How to Allocate, How to Learn? Dynamic Rollout Allocation and Advantage ...
7 小时前
6 0

专题展示

美团提出 DynaMO:面向RLVR的动态Rollout分配与优势调节策略
7 小时前
你的推理模型其实知道何时停止:解决 Long CoT 中的“过度思考”
2 天前
小红书提出 VESPO 变分序列级软策略优化,从测度变换视角重构重要性采样
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