实体 CP-GRPO

CP-GRPO

PulseAugur coverage of CP-GRPO — every cluster mentioning CP-GRPO across labs, papers, and developer communities, ranked by signal.

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

TOOL · CL_307842 · Oct 19 · 04:00

新的OSCC框架增强了不完美信息学习中的梯度噪声控制

研究人员开发了一个名为OSCC（观测安全反事实耦合）的新框架，以改善不完美信息学习环境中的梯度噪声控制。该框架通过确保安全和优化策略梯度几何来解决标准通用随机数构造的问题。OSCC的CP-GRPO实例证明了回返对比度方差的显著降低，在比较中实现了55.87%的降幅。