Kinnari

llm

此标签下有20条笔记。

2026年5月18日
UniGRPO: Unified Policy Optimization for Reasoning-Driven Visual Generation
2026年3月25日
RLVR 算法对比
- llm
- rlvr
2026年3月20日
Efficient Exploration at Scale
2026年3月20日
Online Experiential Learning for Language Models
2026年3月20日
Beyond Precision: Why Training-Inference Mismatch is an Optimization Problem and How Simple LR Scheduling Fixes It
2026年3月18日
TERMINATOR: Learning Optimal Exit Points for Early Stopping in Chain-of-Thought Reasoning
2026年3月05日
Good SFT Optimizes for SFT, Better SFT Prepares for Reinforcement Learning
2026年3月04日
Reinforcement Learning via Self-Distillation
2026年1月17日
SPRINT: Enabling Interleaved Planning and Parallelized Execution in Reasoning Models
2026年1月12日
Explore-Execute Chain: Towards an Efficient Structured Reasoning Paradigm
- llm
- rlvr
2026年1月01日
The State Of LLMs 2025: Progress, Problems, and Predictions
2026年1月01日
RL究竟能不能突破Base边界——关于推理能力外推、稳定性与训练条件的系统分析
2025年12月31日
FlowRL: Matching Reward Distributions for LLM Reasoning
2025年12月31日
GiGPO
2025年12月30日
RL's Razor: Why On-Policy Reinforcement Learning Forgets Less
- llm
- rlvr
- sft
2025年12月15日
Nested Learning: The Illusion of Deep Learning Architecture
2025年12月13日
Emergent Hierarchical Reasoning in LLMs Through Reinforcement Learning
2025年12月11日
CWM: An Open-Weights LLM for Research on Code Generation with World Models
2025年12月08日
Thinker: Learning Fast and Slow
2025年7月19日
The Big LLM Architecture Comparison

Created with Quartz v5.0.0 © 2026

GitHub
Discord Community