全部文章标签

强化学习

围绕强化学习如何训练大模型与智能体展开,涵盖奖励设计、训练范式、开源框架与效果评估,帮助读者判断这类方法的适用边界。

专题介绍

强化学习通过奖励与惩罚信号引导模型在试错中改进策略,是大模型后训练与智能体能力提升的重要方法。内容涵盖奖励建模、策略优化、智能体强化学习框架、训练数据与公开评测,也讨论奖励投机、训练不稳定等常见问题及其适用条件。

强化学习是什么意思?靠奖励试错学会做事的训练方法

强化学习是什么意思?靠奖励试错学会做事的训练方法

AI百科
AI导航 11 次阅读
OpenHands联合Snowflake:不必重建框架,用现有智能体配置直接做模型后训练

OpenHands联合Snowflake:不必重建框架,用现有智能体配置直接做模型后训练

AI资讯
AI导航 10 次阅读
LongCat-2.5发布:美团原生多模态模型瞄准长程智能体任务

LongCat-2.5发布:美团原生多模态模型瞄准长程智能体任务

AI资讯
AI导航 17 次阅读
奖励模型是什么?大模型学会听话之前先靠它打分

奖励模型是什么?大模型学会听话之前先靠它打分

AI百科
AI导航 15 次阅读
Figma自研画布编辑模型:25万条样本微调打底,强化学习补泛化

Figma自研画布编辑模型:25万条样本微调打底,强化学习补泛化

AI资讯
AI导航 20 次阅读
OpenAI详解前沿模型失准监测:四层系统盯住训练与部署

OpenAI详解前沿模型失准监测:四层系统盯住训练与部署

AI资讯
AI导航 25 次阅读
推理模型是什么?先想清楚再回答的大模型讲清原理与边界

推理模型是什么?先想清楚再回答的大模型讲清原理与边界

AI百科
AI导航 27 次阅读
腾讯混元WorkForge发布:用真实工作区造出16665个可验证训练环境

腾讯混元WorkForge发布:用真实工作区造出16665个可验证训练环境

AI资讯
AI导航 18 次阅读