AI工具与模型HOT精选全部
arXiv cs.AI评分65

一个偏移、两个方向:用子群偏移调整 GRPO 基线

原文标题:One Offset, Two Directions: Baseline Adjustment via Subgroup Offsets

导读

这项工作指出 GRPO 用组内均值做基线在实践中有问题,于是用子群偏移来修正基线估计。

推荐理由

涉及提示词 · 与本主题相关

打开原文 ↗

来源:arXiv cs.AI · arxiv.org

主题

相关条目