未分类
按主要论述浏览文章，分类与主题标签由 AI 生成，仅供参考。
共 37517 篇文章
从新到旧
直播预告！基于细粒度准则的多模态强化学习奖励，如何让模型的推理更忠于视觉证据？
当正确的观察与错误的推断交织在同一段回答中，reward 应当如何分配，才能鼓励做对的部分，并引导模型纠正出错的环节？
未分类BPO VS Score Centering：梯度等价，原始理论目标不同
梯度等价，原始理论目标不同：BPO 从 PMD 最优性条件与 Bellman 重构出发；Score Centering 从 off-policy drift 出发。
未分类模型变得这么快OpenAI的产品负责人怎么做计划？丨Lenny's Podcast
模型变化太快，产品计划该做到多远？OpenAI 的 Tara Seshan 和 Nan Yu 谈到了两三个月的规划周期，也谈到速度之外更难的事：让用户理解、信任并真正用上 AI。
未分类