Kinnari
Search
搜索
暗色模式
亮色模式
探索
grpo
此标签下有2条笔记。
2026年10月29日
LLM RL 后训练中的 Score Centering
llm
rl
rlvr
grpo
training-inference-mismatch
theory
2026年8月04日
Flow-GRPO: Training Flow Matching Models via Online RL
flow-matching
grpo