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

winstonsmith1897/GTPO

Group-relative Trajectory-based Policy Optimization: Increasing Quality and Training Stability

语言:Jupyter Notebook · GitHub 星标:42 · Fork:1

话题:fine · grpo-training · llm · post-training · reinforcement-learning · reinforcement-learning-algorithms · rlhf · train

在 GitHub 上查看原仓库

正在读取项目信息…