Kinnari
Search
搜索
暗色模式
亮色模式
探索
rlvr
此标签下有14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
RLVR 算法对比
llm
rlvr
2026年8月04日
Explore-Execute Chain: Towards an Efficient Structured Reasoning Paradigm
llm
rlvr
2026年8月04日
FlowRL: Matching Reward Distributions for LLM Reasoning
ai-generated
llm
qwen
rlvr
verl
2026年8月04日
GiGPO
agent
llm
rlvr
2026年8月04日
Emergent Hierarchical Reasoning in LLMs Through Reinforcement Learning
ai-generated
llm
qwen
rlvr
2026年8月04日
Meta-RL Induces Exploration In Language Agents
agent
ai-generated
meta-learning
rlvr
2026年8月04日
Optimizing Test-Time Compute via Meta Reinforcement Fine-Tuning
ai-generated
cmu
huggingface
meta-learning
rlvr
2026年8月04日
Thinker: Learning Fast and Slow
ai-generated
llm
rlvr
2026年8月04日
Good SFT Optimizes for SFT, Better SFT Prepares for Reinforcement Learning
ai-generated
llm
reasoning
rlvr
sft
2026年8月04日
RL's Razor: Why On-Policy Reinforcement Learning Forgets Less
llm
rlvr
sft
2026年8月04日
Introducing the Model Factory
foundation-model
infrastructure
mlops
poolside
pre-train
rlvr
转载
2026年8月04日
The State Of LLMs 2025: Progress, Problems, and Predictions
code-agent
continual-learning
deepseek
llm
llm-tool-use
lora
mid-train
openai
ppo
pre-train
prm
rlhf
rlvr
总结
2026年8月04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
llm
mid-train
rlvr
转载