K线
特色
数据
链上
内容
VIP
市值
API
排行
CoinOS
New
CoinClaw
🦞
语言
简体中文
繁体中文
English
BTC
💲
75741.84
-
0.83%
ETH
💲
2318.25
-
0.64%
SOL
💲
85.40
-
0.73%
RAVE
💲
1.35
+
120.62%
USDC
💲
0.9996
+
0.01%
XAU
💲
4712.60
-
2.2%
Young
|
2025年10月09日 10:01
GRPO 就像 PPO，但它不是追求绝对奖励，而是从样本组中的相对表现中学习。 对于每个提示，模型会生成多个输出 → 对它们进行评分 → 然后根据谁相对于其他人表现更好进行优化，而不是基于原始奖励。 @akshay_pachaar 给我们带来了一个更直观的展示
+4
曾提及
|
APP下载
Windows
Mac
分享至：
X
Telegram
Facebook
Reddit
复制链接
|
APP下载
Windows
Mac
分享至：
X
Telegram
Facebook
Reddit
复制链接
脉络
11月05日 15:05
RedStone推出HyperStone预言机支持Hyperliquid
11月05日 02:31
ChatGPT 5 Pro小胜DeFi复杂问题
11月05日 02:28
社区治理的AGI全流程管理
11月04日 02:03
nof1.ai即将推出Season 1.5进行改进
11月03日 13:04
StarkWare推出S-two证明系统用于区块验证
11月03日 03:55
中国模型训练语料缺乏多样性
11月02日 03:35
RWA互操作时代的大胜利
11月02日 02:56
AI对抗模型nof1热度飙升
11月01日 13:36
gpt-5-pro模型有降智
10月30日 12:00
Allora重造AI底层逻辑
热门
快讯
|
APP下载
Windows
Mac
分享至：
X
Telegram
Facebook
Reddit
复制链接
APP下载
Windows
Mac
X
Telegram
Facebook
Reddit
复制链接
热门阅读
+4+4