当前标签：LLM

LLM | 完全面向算法的 VeRL 代码阅读笔记
MoonOut 2026-02-17 23:08 阅读:38 评论:0 推荐:0
LLM | VeRL 相关文档汇总
MoonOut 2026-02-17 17:40 阅读:46 评论:0 推荐:0
LLM | 常用的数学数据集：MATH、GSM8K、AIME24 等
MoonOut 2026-02-13 13:13 阅读:304 评论:0 推荐:0
LLM | REINFORCE++：好像是近期的 LLM RL 新方法
MoonOut 2026-02-13 11:51 阅读:75 评论:0 推荐:0
LLM | 正在尝试使用 verl
MoonOut 2026-01-20 16:20 阅读:151 评论:0 推荐:0
LLM | 正在尝试使用 LLaMA-Factory
MoonOut 2026-01-10 17:22 阅读:58 评论:0 推荐:0
LLM | ARC-AGI：有趣的 benchmark
MoonOut 2026-01-07 19:57 阅读:563 评论:0 推荐:2
LLM | multi-turn 任务下的 RL 微调：RAGEN, ArCHer, GiGPO, VinePPO
MoonOut 2026-01-03 16:54 阅读:88 评论:0 推荐:0
LLM · Agent | 通过推断别人身份 + 别人对自己说话的看法，让 agent 在阿瓦隆中欺骗
MoonOut 2025-03-10 18:03 阅读:142 评论:0 推荐:0
LLM · Agent | 使用 LLM 的通识决策能力，玩星际争霸
MoonOut 2025-03-10 16:46 阅读:211 评论:0 推荐:0
LLM · Agent | 记忆模块 + 交流模块，让 agent 合作完成复杂任务
MoonOut 2025-03-10 16:22 阅读:558 评论:0 推荐:0
LLM · RL | Plan4MC：使用有向无环图 high-level planning + 基于 RL 执行 low-level policy
MoonOut 2025-03-10 15:05 阅读:303 评论:0 推荐:0
LLM · Agent | 使用 LLM agent 玩各种游戏
MoonOut 2025-03-10 13:57 阅读:673 评论:0 推荐:0