柠檬CC
小白爱吃柠檬O(∩_∩)O
首页
分类
归档
标签
诗集
关于
搜索
close
GRPO
标签
大语言模型研究18——线性回归视角看强化学习策略梯度
10-08
大语言模型研究17——强化学习中KL散度惩罚问题
06-28
大语言模型研究06：大模型中的强化学习实战
02-11
'