AI工具与模型HOT精选全部
arXiv cs.AI评分65

强化学习后印度语言任务的得与失

原文标题:Indic-Task Gains and Regressions after Reinforcement Learning

导读

这项研究用 GRPO 在四个环境中对 30B-A3B 混合专家模型做强化学习,考察印度语言任务上哪些能力提升、哪些退化。

推荐理由

涉及模型与微调 · 与本主题相关

打开原文 ↗

来源:arXiv cs.AI · arxiv.org

主题

相关条目