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

bay-yearick-lab/grpo-standard-deviation-identity

Exact finite-group identity behind GRPO reward standardization, unifying GRPO / Dr. GRPO / DAPO for RLVR and LLM reasoning. Paper + code.

语言:TeX · GitHub 星标:4 · Fork:0

话题:dapo · dr-grpo · grpo · llm · policy-gradient · reasoning · reinforcement-learning · reward-shaping

在 GitHub 上查看原仓库

正在读取项目信息…