开源雷达国内 GitHub 镜像站
加速通道已就绪 返回列表
全部项目

WooooDyy/BAPO

Codes for the paper "BAPO: Stabilizing Off-Policy Reinforcement Learning for LLMs via Balanced Policy Optimization with Adaptive Clipping" by Zhiheng Xi et al.

语言:Python · GitHub 星标:96 · Fork:6

话题:llm · reasoning · rl · rlvr

在 GitHub 上查看原仓库

正在读取项目信息…