全部 未讀 (21615) ★ 收藏 (0) 🤖 人工智能 (11168) 📊 商业科技 (4461) 💻 软件编程 (1685) 📁 个人成长 (1605) 📁 生活文化 (857) 📁 媒体资讯 (827) 📁 投资财经 (529) 🎨 产品设计 (408) 📁 AI 产品 (39) 📁 体育运动 (28)
篩選中: 🏷️ 奖励微调 共 1 篇 ✕ 清除篩選
21617
全部文章
21615
未讀
204
今日新增
0
收藏
📡 Poller 最後抓取: 25 分鐘前 (06-08 20:00)
BestBlogs 精選 (21582)

🏷️ 熱門標籤

AI Agent 2157 AI 编程 985 Anthropic 981 Claude Code 916 AI 智能体 780 OpenAI 745 LLM 674 开源 574 OpenClaw 557 Claude 557 AI 517 AI 安全 490 开发者工具 432 Codex 416 软件工程 398 具身智能 334 Agent 334 个人成长 331 GitHub 321 生产力 315
● ACL 2026 Findings | 浙大提出 GFT：On-Policy SFT 视角下的奖励微调
📌 一句话摘要 浙大团队提出 GFT 框架，从训练动力学角度将 SFT 改造为 on-policy 的奖励微调，通过组内优势学习和动态系数修正解决 SFT 单路径依赖和梯度不稳定问题。 📝 详细摘要 本文是浙大团队在 ACL 2026 Findings 上发表的工作 GFT 的技术解读。文章从训
📅 2026-05-18 00:00 (21 天前) 青稞AI 人工智能 2 分鐘 ★ 86
GFT SFT 奖励微调 后训练