advantage-scaling

#advantage-scaling

低方差奖励下群组相对优化中的优势尺度校准不平衡：诊断与有界恢复

arXiv cs.CL ↗ · 昨天缓存

本文针对低方差奖励下群组相对优化中的优势尺度校准问题，提出了如Reward-Resolution Protocol和MaxNorm-AC等方法，以过滤亚分辨率抖动并为可信差距提供有界恢复。

0 人收藏 0 人点赞