实体 DACA-GRPO

DACA-GRPO

PulseAugur coverage of DACA-GRPO — every cluster mentioning DACA-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_258595 · Sep 16 · 00:00

Apple 研究人员发布 DACA-GRPO 以改进扩散语言模型

Apple 机器学习研究部推出 DACA-GRPO，一种用于增强扩散语言模型强化学习的新颖方法。该方法通过结合时间信用分配和减少似然估计中的偏差来解决现有强化学习技术的局限性。DACA-GRPO 在包括数学推理、代码生成和约束满足在内的各种基准测试中取得了显著的性能提升。