Archive

Everything ever posted here, newest first. (5 posts)

2026

• 2026-08-11 DPO 原理推导
• 2026-08-10 GRPO 的形式以及解决的问题
• 2026-08-01 Value Model 的几种训练方法
• 2026-07-31 Reward Model 存在的问题以及 Value Model 的作用
• 2026-07-28 如何将 Reward Model 得到的标量奖励转化为策略梯度