PulseAugur
中
实时 10:18:02
实体 Loopless Variance-Reduced PG

Loopless Variance-Reduced PG

PulseAugur coverage of Loopless Variance-Reduced PG — every cluster mentioning Loopless Variance-Reduced PG 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_294391 ·

    新的强化学习框架推动大语言模型推理和效率 · 跟踪 7 个来源

    研究人员引入了几种新的框架和技术，以推进大语言模型 (LLM) 的强化学习 (RL)。广义近端策略优化 (GPPO) 在基于散度的理论下统一了现有的 LLM RL 算法，在数学和编码基准测试上取得了最先进的性能。其他进展包括无循环方差缩减策略梯度 (LVR-PG)，它为策略梯度方法提供了最小-最大最优样本复杂度，以及轨迹感知策略优化 (TAPO)，旨在缩小长时域 LLM RL 中的状态分布差距。此外，跨行为策略优化 (CBPO) 统一…