Rainnn の Blog
首页
友链
往期整理
  •   历史归档
  •   文章分类
  •   文章标签
关于我
神秘角落
  • 游戏
  • CODING
  • 随笔
Rainnn
Article
60
Category
4
Tags
12
首页
友链
往期整理
历史归档
文章分类
文章标签
关于我
神秘角落
游戏
CODING
随笔
Lazy loaded image
学习笔记
强化学习
Post on: 2026-11-22
Last edited: 2026-11-22
Views
LLM
Catalog
0%
强化学习 RL文本生成从策略梯度到 Actor-CriticActor-Critic:把 baseline 学出来PPO流程公式解读痛点DPO流程公式解读数据分布痛点GRPO流程公式解读优势痛点DAPO:GRPO 的工程化修正GSPO:GRPO 的长序列稳定化版本方法选择速查参考文献
Rainnn
Rainnn
bling bling ⭐
Article
60
Category
4
Tags
12
Latest posts
强化学习
强化学习
2026-11-22
软件项目管理
软件项目管理
2026-11-22
软件测试技术
软件测试技术
2026-11-22
深度学习笔记
深度学习笔记
2026-11-22
集成学习 Esemble Learning
集成学习 Esemble Learning
2026-11-22
支持向量机
支持向量机
2026-11-22
公告
wakuwaku!
你竟然发现了这里!!
创作不易,获取加🔒文章密码/试读文章,请微信关注公众号 Code & Cookies
notion image
Catalog
0%
强化学习 RL文本生成从策略梯度到 Actor-CriticActor-Critic:把 baseline 学出来PPO流程公式解读痛点DPO流程公式解读数据分布痛点GRPO流程公式解读优势痛点DAPO:GRPO 的工程化修正GSPO:GRPO 的长序列稳定化版本方法选择速查参考文献
2021-2026Rainnn.

Rainnn の Blog | bling bling ⭐

Powered byNotionNext 4.11.0.