generalized-advantage-estimation

标签

#generalized-advantage-estimation

让信用紧随计算：面向大语言模型强化学习的架构感知信用传递

arXiv cs.AI ↗ · 2026-08-25 缓存

论文提出了计算条件化信用传递（CCT）和 CompPO 算法，用于大语言模型强化学习中的架构感知信用分配，性能优于 GRPO 等基线方法。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈