Papers12:34
Chinese content参数空间探索新方法3PO：提升LLM强化学习性能想提升LLM强化学习效果？3PO用参数采样替代温度调节，在OLMo和Qwen上比GRPO更稳更好，成本还一样。
#参数空间探索
1 stories · 0 in 7 days · 0 in 30 days
Stories, products and papers tagged "参数空间探索", newest first.
Aug 11
想提升LLM强化学习效果？3PO用参数采样替代温度调节，在OLMo和Qwen上比GRPO更稳更好，成本还一样。