ziahng

摘要： Abstract（摘要） We present Seed1.5-VL, a vision-language foundation model designed to advance general-purpose multimodal understanding and reasoning. 本文提 阅读全文

摘要： 下面是PPO算法： 现在开始讲解GRPO: 1: policy model π_θ ← π_{θ_init} 2: for iteration = 1, ..., I do 3: reference model π_ref ← π_θ 初始策略模型可以是没训练的语言模型。将该模型作为当前的策略模型 阅读全文