PulseAugur
实时 08:17:37
实体 concave-convex fractional programming

concave-convex fractional programming

PulseAugur coverage of concave-convex fractional programming — every cluster mentioning concave-convex fractional programming across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_171879 ·

    新的博弈论框架优化语言模型微调

    研究人员开发了一种新颖的博弈论框架用于微调语言模型,旨在优化在目标任务上的性能提升与遵守参考策略之间取得平衡。该方法超越了传统的KL正则化强化学习目标,将权衡视为智能体和监控器之间的序贯博弈,从而得到具有最优正则化参数的均衡策略。该方法在Qwen3-8B和Llama 3.2 1B模型上进行了演示,提供了一种学习该参数的原则性方法,可能在持续学习场景中降低训练成本并改善奖励保留权衡。