2026年1月3日
LLM | multi-turn 任务下的 RL 微调：RAGEN, ArCHer, GiGPO, VinePPO
摘要： 最近读了一些在多轮（multi-turn）任务上用 RL 微调 LLM 的文章，记录阅读笔记。 阅读全文
posted @ 2026-01-03 16:54 MoonOut 阅读(37) 评论(0) 推荐(0)