共计 3 篇文章

---

2026

09-01

2026 年大模型 PPO：前沿进展、主流范式与论文地图

04-21

On-Policy Distillation：让学生在自己的轨迹上向老师学习

01-22

GRPO 去掉 Critic Model 会带来哪些问题？