PulseAugur
中
实时 08:34:28
实体 Jian Hu

Jian Hu

PulseAugur coverage of Jian Hu — every cluster mentioning Jian Hu 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. TOOL · CL_366343 ·

    FlashREINFORCE:用于智能语言模型的新型无评判器强化学习框架

    研究人员推出 FlashREINFORCE,一个专为大型语言模型异步强化学习设计的新型框架。这种无评判器的方法能够在长周期和不规则的 rollout 时间下进行训练,克服了传统基于组的更新的局限性。FlashREINFORCE 结合了多种技术,以确保即使是单 rollout 轨迹也能实现提示覆盖和稳定的训练。该框架在 DeepSeek-R1-Distill-Qwen-1.5B 和 Qwen3-30B-A3B 等模型上展示了稳定性和有竞…