11:28
官方账号arXiv cs.AI@Kai Ruan, Jinghao Lin, Qianshan Wei, Ziqi Zhou, Zihe Huang
推荐理由：SPO++在异步智能体强化学习领域取得了显著进展，提高了在线学习效率，值得一试。
Math-TIR
共 1 条相关 AI 资讯
8月26日
11:28
SPO++通过流对齐策略优化解决了Group-relative reinforcement learning的依赖问题，提高了在线学习效率。在ALFWorld和Math-TIR上的实验表明，SPO++在两个模型规模上均优于SPO。