發現功能使用指南
discoveryBanners
熱門話題
#
Bonk 生態迷因幣展現強韌勢頭
Hosico
Hosico-10.21%
USELESS
USELESS-4.08%
IKUN
IKUN+29.31%
gib
gib+4.52%
#
有消息稱 Pump.fun 計劃 40 億估值發幣，引發市場猜測
Bonk
Bonk-3.71%
ALON
ALON-4.11%
LAUNCHCOIN
LAUNCHCOIN-14.32%
GOONC
GOONC-11.89%
KLED
KLED-11.67%
#
Solana 新代幣發射平臺 Boop.Fun 風頭正勁
BOOP
BOOP-0.24%
Boopa
Boopa-25.71%
PORK
PORK-4.16%
header
Zichen Liu
博士生，RL 信徒@SeaAIL @NUSingapore。
Zichen Liu
Zichen Liu10月3日 11:59
在我們的論文發表六個月後，我仍然記得關於在 DrGRPO 中移除長度正規化項的辯論。人們逐漸認為 DrGRPO 只是關於移除標準差，忽略了我們試圖向社區指出的最重要和微妙的（長度）偏差。 即使到現在，許多論文（和開源代碼）仍然將策略梯度損失除以響應長度——取平均而不是總和…… 幸運的是，借助 Tinker 的實現作為參考，我希望這能更有說服力地促使 OSS 社區採用無偏的強化學習損失計算。 非常感謝 Thinking Machines 推動開放科學的邊界 🚀
36.98K