vllbc02's blogs

文章
分类
标签
归档
关于
1. 暗色模式

RLHF LLM

ReMAX（REINFORCE argmax）

2025-07-15 阅读时长: 0 分钟

LLM RLHF

相关文章

REINFORECE++

RLOO

Reinforcing General Reasoning without Verifiers

dapo

grpo

© 2020 - 2026 vllbc02's blogs

使用 Hugo 构建
主题 Stack 由 Jimmy 设计