quantile-reward-policy-optimization
「Quantile Reward Policy Optimization：基於點對點回歸與精確分割函數的對齊」（Matrenok 等人，2025）的官方程式碼庫。
quantile-reward-policy-optimization 是什麼？
「Quantile Reward Policy Optimization：基於點對點回歸與精確分割函數的對齊」（Matrenok 等人，2025）的官方程式碼庫。
你是這個專案的維護者嗎？展示它已收錄於 YunoDB。
Markdown
[](https://yunodb.com/tools/claire-laboquantile-reward-policy-optimization?utm_source=github&utm_medium=badge)HTML
<a href="https://yunodb.com/tools/claire-laboquantile-reward-policy-optimization?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/claire-laboquantile-reward-policy-optimization.svg" alt="Featured on YunoDB" height="20"></a>繼續探索
查看所有替代工具 相關工具
100/100
xerj
在地優先的搜尋引擎與 MCP 伺服器，專為 AI 代理設計。單一 Rust 二進位檔即可索引程式碼、文件、日誌、JSONL/CSV 與 PDF，支援 BM25 全文、向量與混合搜尋
100/100
agent-orchestrator
開源（Apache-2.0）協調器，適用於 Claude Code、Codex 及 30 多種編碼代理。從任務到合併 PR，規劃、執行並監督代理團隊。桌面版（macOS、Windows、Linux）及 iPhone 與 Android 應用程式。
100/100
daily
daily 是個人化的開發者新聞資訊中心與社群。在你的瀏覽器新分頁或手機上，免費獲取來自網路各處的最佳技術內容。免費且開放原始碼。