标签

 强化学习 

相关的文章：

本列表汇集了最新的强化学习研究成果，涵盖价值对齐、策略优化及应用实例，展示了该领域的前沿进展与创新思路。

发表于：。
阅读原文
分享给好友
发表于：。
阅读原文
分享给好友

基于 LLamaFactory 和 EasyR1 打造一站式无代码大模型强化学习和部署平台 LLM Model Hub

大语言模型（Large Language Models, LLMs）在近几年经历了前所未有的发展。之前我们已经推出过《基于 Amazon SageMaker 和 LLaMA-Factory 打造一站式无代码模型微调部署平台 Model Hub》，文中主要介绍了如何使用这一平台利用 Amazon Sagemaker AI 的动态算力资源进行高效的监督微调（Supervised...

大语言模型（LLMs）近年来发展迅速，但在微调和部署方面面临挑战。GRPO算法通过群组相对优势估计，解决了传统强化学习的内存和稳定性问题，提高了训练效率。EasyR1框架支持多种算法，优化大模型的训练，并结合Amazon SageMaker实现高效灵活的训练和部署。

Amazon SageMaker EasyR1框架 GRPO算法 llm model 大模型 大语言模型 强化学习 无代码 训练效率
基于 LLamaFactory 和 EasyR1 打造一站式无代码大模型强化学习和部署平台 LLM Model Hub
原文中文，约22400字，阅读约需54分钟。发表于：。
阅读原文
分享给好友
发表于：。
阅读原文
分享给好友
发表于：。
阅读原文
分享给好友

Qwen&清华团队颠覆常识：大模型强化学习仅用20%关键token，比用全部token训练还好

超越二八法则

Qwen与清华团队的研究表明，在大模型强化学习中，仅使用20%的高熵token即可显著提升训练效果，优于使用全部token。这一发现挑战了传统的二八法则，指出低熵token对推理贡献有限，可能限制模型的探索能力。聚焦关键token使模型在泛化能力上表现出色，训练过程中的熵模式演变也强调了高熵token的重要性。

qwen 低熵token 大模型 强化学习 泛化能力 高熵token
原文中文，约3000字，阅读约需8分钟。发表于：。
阅读原文
分享给好友
发表于：。
阅读原文
分享给好友

首次解释LLM如何推理反思！西北大学谷歌新框架：引入贝叶斯自适应强化学习，数学推理全面提升

西北大学与谷歌合作提出贝叶斯自适应强化学习（BARL），首次阐释了大型语言模型（LLM）如何有效进行反思与探索新策略。研究表明，BARL在数学推理任务中表现优异，能够更高效地利用信息，避免无效反思，从而提升模型的决策能力。

llm 信息利用 决策能力 大型语言模型 强化学习 数学推理 西北大学 谷歌 贝叶斯自适应强化学习
原文中文，约3800字，阅读约需9分钟。发表于：。
阅读原文
分享给好友
发表于：。
阅读原文
分享给好友
原文中文，约3200字，阅读约需8分钟。发表于：。
阅读原文
分享给好友