85
Nghiên cứu
GEPO: Tối ưu hóa chính sách dựa trên kiểm soát entropy theo nhóm
(giờ Việt Nam)
Tóm tắt AI
GEPO là phương pháp cải tiến từ GRPO giúp cân bằng việc khám phá trong học tăng cường cho LLM bằng cách điều chỉnh entropy theo từng nhóm tác vụ cụ thể, giúp loại bỏ sai lệch trong tín hiệu ưu thế giữa các nhóm dữ liệu khác nhau.
Bản dịch AI
Xem PDF HTML (thử nghiệm)
DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký)
Lịch sử gửi bài
Từ: Guangran Cheng [xem email] [v1] Thứ Bảy, 18 tháng 7 năm 2026 15:13:33 UTC (3,918 KB)
Bài viết được AI dịch và tổng hợp tự động từ Hugging Face Daily Papers. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.