会员服务
DataChef: Cooking Up Optimal Data Recipes for LLM Adaptation via Reinforcement Learning
Arxiv
0+阅读 · 2月11日
HER: Human-like Reasoning and Reinforcement Learning for LLM Role-playing
Arxiv
0+阅读 · 2月8日
Auto-Rubric: Learning From Implicit Weights to Explicit Rubrics for Reward Modeling
Arxiv
0+阅读 · 2月5日
Qwen3-ASR Technical Report
Arxiv
0+阅读 · 1月30日
HER: Human-like Reasoning and Reinforcement Learning for LLM Role-playing
Arxiv
0+阅读 · 2月2日
AERO: Autonomous Evolutionary Reasoning Optimization via Endogenous Dual-Loop Feedback
Arxiv
0+阅读 · 2月3日
KVzap: Fast, Adaptive, and Faithful KV Cache Pruning
Arxiv
0+阅读 · 2月3日
Endless Terminals: Scaling RL Environments for Terminal Agents
Arxiv
0+阅读 · 1月23日
Recursive Language Models
Arxiv
0+阅读 · 1月28日
BoRP: Bootstrapped Regression Probing for Scalable and Human-Aligned LLM Evaluation
Arxiv
0+阅读 · 1月26日
Training-Trajectory-Aware Token Selection
Arxiv
0+阅读 · 1月15日
Leveraging Lora Fine-Tuning and Knowledge Bases for Construction Identification
Arxiv
0+阅读 · 1月19日
STEP3-VL-10B Technical Report
Arxiv
0+阅读 · 1月15日
STEP3-VL-10B Technical Report
Arxiv
0+阅读 · 1月14日
Qwen3-TTS Technical Report
Arxiv
0+阅读 · 1月22日
参考链接
微信扫码咨询专知VIP会员
Top