reinforcement learning 其他
6 stories tagged “reinforcement learning 其他”.
-
A reinforcement learning 关于 OPD 的观点:为样本效率的最小正方形政策蒸 LLM推理
LSPD将政策蒸.改为KL规范的RL,使用最小平方匹配和重复来提高样本效率LLM推理.
-
教统一模型通过Interleaved进行原生反射 reinforcement learning
UMM-Reflection通过全循环 RL 训练一个模型来诊断,修改,染和判断图像修复,从而提高 BAGEL 的基准分数.
-
意想不到的成功,持续的失败:以 89率驱动的探索信用分配在LLM推理中
在LLM的推理中,EAPO使用来分配代币信用,惩罚自信失败,奖励不确定的成功,并保持复苏.
-
AdaTutoRank:适应性辅导优化文档集重新排名在 RAG 和深度研究
通过难度匹配的提示和标题奖励,AdaTutoRank提高了 RAG 重新排名.
-
CompoWorld:为通用代理商扩展组合环境
CompoWorld从448个服务和10,130工具中创建跨服务代理任务,在八个基准上将Qwen3.6-35B-A3B提升了9.17点.
-
反射光束成为中国以外开发的最强大的 open-weight model
Reflection Beam 是 Reflection 的开放重量 MoE 编码模型,使用23B 主动参数和大型 RL 运行以实现高效推理.