Blog

Archive Search RSS

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