Kinnari

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

Created with Quartz v5.0.0 © 2026

  • GitHub
  • Discord Community