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

stable-drl

stable-drl

【效率与协作】Fixes training instability in Group Relative Policy Optimization for discrete language models by replacing conditional clipping with strict importance ratio bounds and self-normalized advantages. Prevents gradient spikes and policy collapse.

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