PulseAugur
中
实时 08:06:48
实体 Minimum Prefix Ratio (MinPRO)

Minimum Prefix Ratio (MinPRO)

PulseAugur coverage of Minimum Prefix Ratio (MinPRO) — every cluster mentioning Minimum Prefix Ratio (MinPRO) 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_342103 ·

    新的MinPRO目标稳定离策略LLM强化学习

    研究人员开发了一种名为最小前缀比率（MinPRO）的新目标函数，用于稳定大型语言模型（LLM）的离策略强化学习。现有使用token级别重要性比率的方法在采样策略和目标策略之间存在显著延迟时，在训练稳定性方面存在困难。MinPRO通过使用基于前缀内最小token级别比率的代理来解决这个问题，证明了其在密集和混合专家LLM的数学推理基准测试中具有更高的稳定性和性能。