Kinnari
Search
搜索
暗色模式
亮色模式
探索
rl
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
Learning Latent Dynamics for Planning from Pixels
ai-generated
rl
world-model