- @shizheng_Li
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
《Flow-GRPO: Training Flow Matching Models via Online RL》
Politics and protectionism will make life difficult
本篇博客将为熟悉PPO和GRPO的深度学习与强化学习研究者详细介绍DAPO的创新点及其数学基础。
论文提出“agentic scaling”方法，通过一个统一生态系统（Nex生态）自动化构建大规模交互环境，训练出Nex-N1系列模型。
论文提出“agentic scaling”方法，通过一个统一生态系统（Nex生态）自动化构建大规模交互环境，训练出Nex-N1系列模型。
FlowBench 是 EMNLP 2024 论文《FlowBench: Revisiting and Benchmarking Workflow-Guided Planning for LLM-based Agents》提出的首个工作流引导代理规划基准，旨在评估 LLM-based Agents 在知识密集型任务中的规划可靠性。
Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?
《τ-bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains》
《τ-bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains》
