热点
"奖励机制" 相关文章
Generating Creative Chess Puzzles
cs.AI updates on arXiv.org 2025-10-29T04:17:11.000000Z
可验证过程奖励在提升大模型推理效率中的探索与实践
oschina.net 2025-10-16T04:22:54.000000Z
真正的AI竞争力，藏在大模型“后训练”这一步
量子位 2025-10-14T09:14:09.000000Z
苹果公司即将对其漏洞悬赏计划提供更丰厚的奖励
Cnbeta 2025-10-10T15:22:43.000000Z
可验证过程奖励在提升大模型推理效率中的探索与实践
美团技术团队 2025-10-10T07:18:00.000000Z
Rethinking Reward Miscalibration of GRPO in Agentic RL
cs.AI updates on arXiv.org 2025-09-30T04:02:03.000000Z
张小珺对话OpenAI姚顺雨：生成新世界的系统
Founder Park 2025-09-25T10:01:51.000000Z
BTL-UI: Blink-Think-Link Reasoning Model for GUI Agent
cs.AI updates on arXiv.org 2025-09-22T04:34:51.000000Z
Reward Hacking Mitigation using Verifiable Composite Rewards
cs.AI updates on arXiv.org 2025-09-22T04:34:36.000000Z
OKX推出「SOL套利质押」限时活动
金色财经快讯 2025-09-19T12:33:51.000000Z
[分享创造] 最近边学边做了一个 AI Agent 框架，欢迎大家来体验一下。也希望大家顺便点个 star，我将给每人发送 50 个 V2EX 作为感谢。
V2EX 2025-09-13T22:52:52.000000Z
上汽荣威悬赏1万至500万征集黑公关水军线索
中关村在线新闻中心 2025-09-13T04:26:07.000000Z
AI胡说八道这事，终于有人管了？
机器之心 - 知乎专栏 2025-09-11T19:54:57.000000Z
比亚迪：已对 12 个涉及发布虚假不实、恶意诋毁信息的网络账号采取法律措施
IT之家 2025-08-22T09:00:32.000000Z
广东：鼓励商业航天企业申请北斗卫星导航产品认证等资质许可
36氪 - 快讯 2025-08-19T07:49:01.000000Z
Promoting Efficient Reasoning with Verifiable Stepwise Reward
cs.AI updates on arXiv.org 2025-08-15T04:18:15.000000Z
StructVRM: Aligning Multimodal Reasoning with Structured and Verifiable Reward Models
cs.AI updates on arXiv.org 2025-08-08T04:17:27.000000Z
Secure Tug-of-War (SecTOW): Iterative Defense-Attack Training with Reinforcement Learning for Multimodal Model Security
cs.AI updates on arXiv.org 2025-07-30T04:12:15.000000Z
The Purpose of a System is what it Rewards
少点错误 2025-07-26T22:09:34.000000Z
让食品行业内部人敢于“吹哨”
澎湃新闻 2025-07-09T20:09:16.000000Z