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，涵盖微型机器人导航、大模型训练框架及多智能体系统等前沿话题，助您深入了解强化学习的应用与发展。

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

大语言模型高考数学拿高分靠强化学习，那文科考高分得靠什么？

上次分析了大语言模型在高考数学考试中拿高分靠的是强化学习，也就是在后训练阶段，自己训练自己做有标准答案的数学题或者编程题，反复的自己刷题，做完题目对答案，答案做对了就有奖励，做错了就有惩罚，最终自己训练自己越练越牛。但是文科这样做行不通，因为文科很多题目没有标准答案，它就没有办法用文科题目自己训练自己，做强化学习。

大语言模型在高考文科中取得高分的原因包括优质训练数据、思维链推理、长上下文处理和多模态能力，这些因素提升了模型对复杂问题的理解和回答能力。

优质训练数据 多模态能力 大语言模型 强化学习 思维链推理 高考
大语言模型高考数学拿高分靠强化学习，那文科考高分得靠什么？
原文中文，约1800字，阅读约需5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

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