#LenGuard-GPC

共 1 条 · 7 天 0 条 · 30 天 0 条

GRPO 1 多模态 1 强化学习 1 空间推理 1

信息流里打上「LenGuard-GPC」标签的资讯、产品与论文，按刊登时间排，新的在上。

7月21日

LenGuard-GPC：用引导提示一致性控制长度，提升空间推理强化学习

这篇论文用KL散度做密集奖励，还加了长度控制，空间推理上比GRPO更准更短，值得搞强化学习的人看看。

#LenGuard-GPC #GRPO #空间推理 #强化学习

arXiv cs.AI@Xingjian Tao 等 4 人原文