大模型推理学习新范式！ExGRPO框架：从盲目刷题到聪明复盘
量子位
大模型推理学习新范式！ExGRPO框架：从盲目刷题到聪明复盘

Direct Link ">View on Mobile
Content assisted by AI. Please review carefully.

Related Navigation

奥特曼：我承认GPT-5发布搞砸了

马年4大顶流模型会师阿里云Coding Plan开工！Token量大管饱，自由切换真香

突破Agent长程推理效率瓶颈！MIT&NUS联合推出强化学习新训练方法

省token神器3天狂揽4.1k星！19岁小哥开发，信息无损最高省87%

让离线强化学习从「局部描摹」变「全局布局」丨ICLR’26

卡帕西没做完的，开源社区48小时搞定了！完全体知识库，token省70倍