PulseAugur
实时 10:36:36
实体 ZPD controller

ZPD controller

PulseAugur coverage of ZPD controller — every cluster mentioning ZPD controller 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_244946 ·

    VERPO框架通过基于证据的修正来增强语言模型训练

    研究人员推出了一种名为VERPO(Verified Evidence Regularized Policy Optimization)的新型框架,用于增强语言模型的后训练。该方法使用可验证的结果奖励来指导改进,区分应保留或修改的token级决策。VERPO将无证据的参考恢复与有符号的token级证据修正分开,通过Fisher Evidence Contrast和ZPD控制器根据奖励对齐和成本来缩放接受度。在五个科学推理和工具使用任务中…