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
来源:arXiv cs.AI · arxiv.org
原文标题:Indic-Task Gains and Regressions after Reinforcement Learning
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。
涉及模型与微调 · 与本主题相关
来源:arXiv cs.AI · arxiv.org