"AI+"行动下的可控智能体:GPT-5 与 GPT-OSS 高性能推理 安全可控 产业落地 GPT-OSS 一可控AI目前全球唯一开源解决方案
相关推荐
大傻^2 天前
基于群组相对策略优化（GRPO）的大模型强化学习微调技术方案m0_650108242 天前
Raw2Drive：基于对齐世界模型的端到端自动驾驶强化学习方案Sherlock Ma3 天前
强化学习入门(2)：DQN、Reinforce、AC、PPO一颗小树x3 天前
【VLA 系列】 πRL | 在线强化学习 | 流匹配 | VLA一颗小树x4 天前
《VLA 系列》SimpleVLA-RL | 端到端 在线强化学习 | VLA蓝海星梦4 天前
GRPO 算法演进——偏差修正/鲁棒优化/架构扩展篇蓝海星梦4 天前
GRPO 算法演进——裁剪机制篇蓝海星梦4 天前
GRPO 算法演进：2025 年 RL4LLM 领域 40+ 项改进工作全景解析蓝海星梦4 天前
GRPO 算法演进——奖励设计篇悠哉悠哉愿意5 天前
【强化学习学习笔记】强化学习简介