界面已本地化;技能介绍与说明文档按所选语言由 AI 自动翻译,代码、命令、路径和专业术语保留原文,以原作者文档为准。
探索技能
效率与协作 · SKILL.md

cooper-co-optimized-policy-reward

cooper-co-optimized-policy-reward

【效率与协作】Joint optimization of policy and reward models in LLM reinforcement learning by leveraging rule-based reward precision and dynamically constructing training pairs to prevent reward hacking and improve performance.

独立 GitHub 快照 · 自动分类 · 以原作者文档为准

Aadu2021 / skillxivNOASSERTION

技能说明

GitHub
正在从源仓库读取说明…
我的收藏