Reinforcement Learning-Based LLM Inference Under Memory Constraints
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了S-GRPO和T-SPMO两种方法，提升了Qwen2-1.5B模型在SVAMP基准测试中的准确性，验证了在资源有限情况下强化学习调优的潜力。
🏷️
