#长周期训练

共 1 条 · 7 天 0 条 · 30 天 0 条

DRACO 1 GRPO 1 信用分配 1 智能体 1

信息流里打上「长周期训练」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月4日

论文精选73°11:18

DRACO：动态评分细粒度信用分配

IBM发布DRACO，解决长周期智能体训练中信用分配问题，无需验证器就能提升15.9分。

#DRACO #GRPO #智能体 #信用分配

arXiv cs.LG@Shubham Gandhi 等 4 人原文