BTCBTC
💲75898.45
+
0.6%
ETHETH
💲2311.44
+
0.22%
SOLSOL
💲85.88
+
0.28%
RAVERAVE
💲1.46
+
139.7%
USDCUSDC
💲0.9996
+
0.01%
XAUXAU
💲4731.79
-
1.42%

Young
Young|2025年10月09日 10:01
GRPO 就像 PPO，但它不是追求绝对奖励，而是从样本组中的相对表现中学习。 对于每个提示，模型会生成多个输出 → 对它们进行评分 → 然后根据谁相对于其他人表现更好进行优化，而不是基于原始奖励。 @akshay_pachaar 给我们带来了一个更直观的展示
+4
曾提及
分享至：

脈絡

11月05日 15:05RedStone推出HyperStone预言机支持Hyperliquid
11月05日 02:31ChatGPT 5 Pro小胜DeFi复杂问题
11月05日 02:28社区治理的AGI全流程管理
11月04日 02:03nof1.ai即将推出Season 1.5进行改进
11月03日 13:04StarkWare推出S-two证明系统用于区块验证
11月03日 03:55中国模型训练语料缺乏多样性
11月02日 03:35RWA互操作时代的大胜利
11月02日 02:56AI对抗模型nof1热度飙升
11月01日 13:36gpt-5-pro模型有降智
10月30日 12:00Allora重造AI底层逻辑

熱門快訊

APP下載

X

Telegram

Facebook

Reddit

複製鏈接

熱門閱讀