BandPO

以機率感知裁剪進行頻帶約束策略最佳化,用於大型語言模型強化學習

BandPO 是什麼?

Band-constrained Policy Optimization(BandPO)是一種具備機率感知裁剪的頻帶約束策略最佳化方法,適用於大型語言模型的強化學習。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/openmossbandpo.svg)](https://yunodb.com/tools/openmossbandpo?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/openmossbandpo?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/openmossbandpo.svg" alt="Featured on YunoDB" height="20"></a>