后训练
| 话题 | 回复 | 浏览量 | 活动 | |
|---|---|---|---|---|
| MIT 提出 VPO：向量化奖励替代标量，让 LLM 测试时搜索保持多样性 |
|
0 | 14 | 2026 年5 月 23 日 |
| 话题 | 回复 | 浏览量 | 活动 | |
|---|---|---|---|---|
| MIT 提出 VPO：向量化奖励替代标量，让 LLM 测试时搜索保持多样性 |
|
0 | 14 | 2026 年5 月 23 日 |