站点地图

本站所有页面，一览无余。

页面

首页 — English 中文
博客 — English 中文
论文 — English 中文
归档 — English 中文
搜索 — English 中文
站点地图 — English 中文

文章

DPO 原理推导（2026 年 8 月 11 日）
GRPO 的形式以及解决的问题（2026 年 8 月 10 日）
Value Model 的几种训练方法（2026 年 8 月 1 日）
Reward Model 存在的问题以及 Value Model 的作用（2026 年 7 月 31 日）
如何将 Reward Model 得到的标量奖励转化为策略梯度（2026 年 7 月 28 日）

订阅与机器可读格式