AITOP6月16日 20:46
全部 AI 动态
AI 相关资讯全量信息流
6月16日
20:46
600亿美元买下Cursor，xAI终于拿到了编程工具，但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月9日
13:19
13:19
arXiv cs.LG@Jiarui Yao, Xiangxin Zhou, Penghui Qi, Wee Sun Lee, Liefeng Bo, Tianyu Pang
推荐理由：做LLM RL后训练的团队终于有了更优雅的信任区域控制方案——DRPO用连续正则化替代硬裁剪，解决了长尾词汇下梯度丢弃问题，训练更稳且收敛更快，做RLHF或GRPO优化的建议直接读论文。