#奖励信号
共 2 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「奖励信号」标签的资讯、产品与论文，按刊登时间排，新的在上。
6月30日
6月5日
模型23:18
RL后训练中验证器成本可能放大，LLM-as-judge 成关键做 RL 后训练的团队注意了——验证器成本可能成为瓶颈，而 LLM-as-judge 的性价比直接决定迭代速度，建议点开看看怎么优化。
做 RL 后训练的团队注意了——验证器成本可能成为瓶颈，而 LLM-as-judge 的性价比直接决定迭代速度，建议点开看看怎么优化。
