BTCBTC
💲86710.16
+
2.56%
ETHETH
💲2796.88
+
1.65%
SOLSOL
💲131.31
+
2.65%
ZECZEC
💲569.21
+
9.34%
XRPXRP
💲2.05
+
5.67%
LINKLINK
💲12.51
+
3.99%

Young
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
+6
曾提及
分享至：

脈絡

11月05日 02:28社区治理的AGI全流程管理
11月04日 02:03nof1.ai即将推出Season 1.5进行改进
11月02日 03:35RWA互操作时代的大胜利
11月02日 02:56AI对抗模型nof1热度飙升
11月01日 13:36gpt-5-pro模型有降智
10月30日 12:00Allora重造AI底层逻辑
10月30日 06:14绑定EOA钱包与多智能体系统研究
10月29日 15:19Allora即将TGE，AI参与经济分配
10月29日 12:38OpenAI推出开源安全推理模型gpt-oss-safeguard
10月29日 09:05AINFT用AI打造全新TRON智能生态

熱門快訊

APP下載

X

Telegram

Facebook

Reddit

複製鏈接

熱門閱讀