⌘ K
… 读取采集状态 同步中...
雷
原文
大模型智能· dung·· 19 天前AI 评分56

OpenAI 后训练 RL 算法 Score Centering 是 STE 近似吗

OpenAI 的神秘 RL 算法只是个 STE 的近似吗?解密 OAI 的 RL 后训练算法

AI 导读

作者认为 arXiv 论文提出的 Score Centering 稳定 off-policy RL 算法本质是 megatron 与 vLLM 训推差异的 STE 近似。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:大模型智能 · mp.weixin.qq.com