实体 Zichen Bai

Zichen Bai

PulseAugur coverage of Zichen Bai — every cluster mentioning Zichen Bai 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_336181 · Nov 2 · 05:00

新的Li$^{2}$SAO方法提高了LLM训练效率

研究人员推出了一种新颖的异步强化学习优化方法Li$^{2}$SAO，旨在提高大型语言模型（LLM）的训练效率。该新方法解决了现有方法（如GRPO和SAO）的局限性，特别是在价值模型尚未充分发展起来的训练早期阶段。Li$^{2}$SAO利用组相对Actor-Critic引导来有效训练Actor和Critic，即使在Critic“冷启动”的情况下也能实现，然后在后期阶段过渡到单Rollout GAE。实验表明，Li$^{2}$SAO在早期…