SAPO 如何以软门控替代策略优化中的硬裁剪？

知识专题：强化学习与奖励题目类型：原理机制技术难度：深入

收录题集：1 份

暂无参考答案

未标记

询问 AI

选择 AI 平台

Kimi 千问 ChatGPT

自动带入当前题目

本题目录

收录题集

1 份

强化学习与对齐

阿东玩 AI · AgentGuide · 1 条原题

查看题集 →

- 【SAPO】SAPO在GSPO基础上优化：引入自适应采样或奖励归一化等。「字节跳动」