2025年12月16日
Reinforce-Rej
摘要： 机构：Salesforce AI Research 链接：https://arxiv.org/abs/2504.11343 alpharxiv🌟：1200+ insight 在这项工作中，我们从一种类似于增强的算法视角重新审视GRPO 并分析其核心组件。令人惊 讶的是，我们发现一个简单的拒绝采样基 阅读全文
posted @ 2025-12-16 14:00 Brain404 阅读(17) 评论(0) 推荐(0)
VERL-GRPO实现
摘要： VERL-GRPO 源码分析 脚本为verl v0.5.0中的快速开始脚本 # Tested successfully on the hiyouga/verl:ngc-th2.6.0-cu126-vllm0.8.4-flashinfer0.2.2-cxx11abi0 image. # It outp 阅读全文
posted @ 2025-12-16 10:56 Brain404 阅读(30) 评论(0) 推荐(0)