#HARGO

共 1 条 · 7 天 0 条 · 30 天 0 条

GRPO 1 HPC 1 RL后训练 1

信息流里打上「HARGO」标签的资讯、产品与论文，按刊登时间排，新的在上。

7月31日

HARGO：异构感知奖励引导优化用于LLM的HPC任务后训练

HARGO给HPC任务的RL后训练提了个新思路，不用标签就能按难度加权，四个任务上全面超过GRPO。

#HARGO #HPC #RL后训练 #GRPO

arXiv cs.LG@Tiangang Li, Xiangbo Tian原文