Metaphor

标签: divergence

此标签下有1条笔记。

  • 2026年6月20日

    f-GRPO:基于散度的强化学习统一框架

    • reinforcement-learning
    • llm-alignment
    • grpo
    • dpo
    • divergence

Created with Quartz v4.5.2 © 2026

  • GitHub
  • Discord Community