实体
V-Trace
V-Trace
PulseAugur coverage of V-Trace — every cluster mentioning V-Trace across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
新的rl-triton库通过统一的GPU内核加速RL信用分配
研究人员开发了rl-triton，一个开源库，包含用于强化学习信用分配的高性能GPU内核。该库在一个单一的关联扫描框架下统一了七种不同的RL估计算法，包括GAE和V-Trace。内核在Triton中实现，将这些算法作为线性递归在对数并行步中解决，与现有基线相比实现了显著的加速。
-
新方法Retroactive Advantage Correction解决RLHF中的延迟奖励问题
研究人员开发了Retroactive Advantage Correction (RAC)，一种解决人类反馈强化学习 (RLHF) 中延迟奖励信号挑战的新方法。标准的RLHF假设奖励是同步的，但在代码执行验证或人工审查等实际应用中会引入延迟。RAC将这些延迟的完成进行排队，并将它们作为裁剪后的残差注入后续的优化步骤，从而有效地纠正偏差。这种方法可以与Proximal Policy Optimization (PPO) 和 GRPO等现…