远视台

【论文速读】Agentic Reinforced Policy Optimization

论文速读:在TIR环境下基于熵进行控制的探索策略

2025-11-24 18:37

|

66

|

0

|

学术,论文速记

8766 字

|

38 分钟

【论文速读】Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?

论文速读:强化学习是否真的能激励超出基础模型的LLM推理能力？

2025-11-24 0:10

|

59

|

0

|

学术,论文速记

8386 字

|

37 分钟

【论文速读】Single-stream Policy Optimization

论文速读:单流策略优化

2025-11-20 21:26

|

66

|

0

|

学术,论文速记

8852 字

|

39 分钟

【论文速记】Knapsack RL: Unlocking Exploration of LLMs via Optimizing Budget Allocation

论文速记:基于难度的计算成本分配研究

2025-10-11 16:33

|

87

|

0

|

学术,论文速记

5247 字

|

22 分钟

【论文速记】RL Squeezes, SFT Expands: A Comparative Study of Reasoning LLMs

论文速记:不同训练方法塑造推理过程的方式差异

2025-10-01 22:30

|

101

|

0

|

学术,论文速记

4443 字

|

18 分钟

【论文速记】Subliminal Learning: Language models transmit behavioral traits via hidden signals in data

论文速记:关于蒸馏过程中模型行为的传递研究

2025-10-01 19:36

|

95

|

0

|

学术,论文速记

4791 字

|

19 分钟

【论文速记】Learning to Reason under Off-Policy Guidance

论文速记:LUFFY

2025-9-29 17:39

|

91

|

0

|

学术,论文速记

5355 字

|

23 分钟

深海里的长夜短歌

听华北浪革听的

2025-9-27 23:38

|

108

|

0

|

文章

1859 字

|

7 分钟

【论文速记】On-Policy RL Meets Off-Policy Experts: Harmonizing Supervised Fine-Tuning and Reinforcement Learning via Dynamic Weighting

论文速记:CHORD

2025-9-23 9:04

|

104

|

0

|

学术,论文速记

5176 字

|

21 分钟

【论文速记】Cautious Optimizers: Improving Training with One Line of Code

论文速记:一篇关于优化器优化方向的工作

2025-9-17 16:40

|

141

|

0

|

学术,论文速记

4459 字

|

20 分钟