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
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
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-Critic
Actor-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
bling bling ⭐
Article
60
Category
4
Tags
12
Latest posts
强化学习
2026-11-22
软件项目管理
2026-11-22
软件测试技术
2026-11-22
深度学习笔记
2026-11-22
集成学习 Esemble Learning
2026-11-22
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
Catalog
0%
强化学习 RL
文本生成
从策略梯度到 Actor-Critic
Actor-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