摘要：
GRPO （Group Relative Policy Optimization ） GRPO https://arxiv.org/pdf/2402.03300 对于每个question q，GRPO从old policy \(\pi_{old}\) 采样一组输出 \({o_1, o_2 ...,o 阅读全文
posted @ 2025-02-17 19:23 Antel 阅读(671) 评论(0) 推荐(0)
|
摘要：
GRPO （Group Relative Policy Optimization ） GRPO https://arxiv.org/pdf/2402.03300 对于每个question q，GRPO从old policy \(\pi_{old}\) 采样一组输出 \({o_1, o_2 ...,o 阅读全文
posted @ 2025-02-17 19:23 Antel 阅读(671) 评论(0) 推荐(0) |
||
浙公网安备 33010602011771号