会员服务
GD$^2$PO: Mitigating Multi-Reward Conflicts via Group-Dynamic reward-Decoupled Policy Optimization
Arxiv
0+阅读 · 6月15日
sGPO: Trading Inference FLOPs for Training Efficiency in RLVR
Arxiv
0+阅读 · 6月7日
Demystifying Data Organization for Enhanced LLM Training
Arxiv
0+阅读 · 5月28日
Coherent Audio-Visual Editing via Conditional Audio Generation Following Video Edits
Arxiv
0+阅读 · 3月16日
Android Coach: Improve Online Agentic Training Efficiency with Single State Multiple Actions
Arxiv
0+阅读 · 4月8日
BabyLM Turns 4: Call for Papers for the 2026 BabyLM Workshop
Arxiv
0+阅读 · 2月23日
Learning from Complexity: Exploring Dynamic Sample Pruning of Spatio-Temporal Training
Arxiv
0+阅读 · 2月22日
Learning from Complexity: Exploring Dynamic Sample Pruning of Spatio-Temporal Training
Arxiv
0+阅读 · 3月2日
Di3PO - Diptych Diffusion DPO for Targeted Improvements in Image Generation
Arxiv
0+阅读 · 2月19日
GLM-5: from Vibe Coding to Agentic Engineering
Arxiv
1+阅读 · 2月17日
ActionCodec: What Makes for Good Action Tokenizers
Arxiv
0+阅读 · 2月17日
Data Science and Technology Towards AGI Part I: Tiered Data Management
Arxiv
0+阅读 · 2月9日
Cross-Attention Speculative Decoding
Arxiv
0+阅读 · 2月11日
rePIRL: Learn PRM with Inverse RL for LLM Reasoning
Arxiv
0+阅读 · 2月8日
ESPO: Entropy Importance Sampling Policy Optimization
Arxiv
0+阅读 · 2月15日
参考链接
微信扫码咨询专知VIP会员
Top