标签
本文揭示了冗长的命令行界面（CLI）输出如何浪费 LLM 编程智能体的 token，并介绍了一种基于模式的压缩器，能够在保留关键信息的同时减少 shell 命令输出的噪声。
本文探讨了大型语言模型（LLM）异步强化学习中的旧 logits 缺失问题，提出了精确与近似的修正方法，以提升训练稳定性和性能。