研究顯示,在線和離線RL在LLMs之間存在性能空檔——尤其是在大規模時——但將在線策略樣本納入離線算法(迭代/半在線RL)可以彌補這一空檔,訓練數據的質量往往超過RL方法的選擇。

查看原文
post-image
此頁面可能包含第三方內容,僅供參考(非陳述或保證),不應被視為 Gate 認可其觀點表述,也不得被視為財務或專業建議。詳見聲明
  • 讚賞
  • 6
  • 轉發
  • 分享
留言
0/400
幽灵地址挖掘机vip
· 23小時前
數據質量造假鏈上信號已跟蹤
查看原文回復0
WagmiOrRektvip
· 23小時前
訓練數據的質量才是關鍵吧
查看原文回復0
合约自由人vip
· 23小時前
離線訓練還是差點意思
查看原文回復0
MEV受害者互助会vip
· 23小時前
離線訓練還是塊鏈上訓練 都一個吊樣
查看原文回復0
链上侦探小饼vip
· 23小時前
離線跑的辣雞hhh
查看原文回復0
Stake_OrRegretvip
· 09-09 06:52
擱這薄紗純離線呢
查看原文回復0
交易,隨時隨地
qrCode
掃碼下載 Gate App
社群列表
繁體中文
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)