ExGRPO
-
ExGRPO 框架：經(jīng)驗(yàn)驅(qū)動(dòng)學(xué)習(xí)，引領(lǐng)推理新范式
當(dāng)人工智能模型仍以“刷題+打分”為主流訓(xùn)練模式時(shí)，一支來(lái)自上海人工智能實(shí)驗(yàn)室、澳門(mén)大學(xué)、南京大學(xué)與香港中文大學(xué)的研究團(tuán)隊(duì)提出：訓(xùn)練不僅是做題，更要復(fù)盤(pán)、溫習(xí)、內(nèi)化。 他們近期發(fā)布了題為《ExGRPO:
ExGRPO 2025-11-14
相關(guān)標(biāo)簽
換一批
最新活動(dòng)更多 >
-
4月17日立即報(bào)名 >> 【線下論壇】新唐科技×芯唐南京 2026 年度研討會(huì)
-
即日-5.20立即下載>> 【限時(shí)免費(fèi)】物理場(chǎng)仿真助力生物醫(yī)學(xué)領(lǐng)域技術(shù)創(chuàng)新
-
精彩回顧立即查看>> OFweek 2026（第十五屆）中國(guó)機(jī)器人產(chǎn)業(yè)大會(huì)
-
精彩回顧立即查看>> 維科杯· OFweek 2025中國(guó)機(jī)器人行業(yè)年度評(píng)選
-
精彩回顧立即查看>> 【在線會(huì)議】液冷服務(wù)器信號(hào)完整性及冷卻液關(guān)鍵電參數(shù)測(cè)試
-
精彩回顧立即查看>> 【發(fā)布會(huì)】Flexiverse 2026 非夕科技新品發(fā)布會(huì)
最新招聘
更多
維科號(hào)
我要發(fā)文 >
