←返回首页

话题 · Topic

#GRPO

共 2 条相关资讯

2026.07.21 · 周二研究论文

研究者尝试复现 OpenAI「持久有益模型」论文：单卡 GRPO 仅提升 2.4 分

2026.07.21 · 周二研究论文

MDLM 作为智能体 RL 文本世界模型：参数规模四倍下仍优于 AR LM