登录
返回 蚂蚁技术AntTech

论文秀Live #48 | EMNLP 2026论文解读：强化学习如何重塑大模型后训练？

蚂蚁技术AntTech 2026年10月27日 查看原文
登录后站内阅读

已收录文章摘要，完整内容可前往原文阅读。

大模型已经会用强化学习"刷题"了，但新问题接踵而至：奖励太粗，模型学不会察言观色；规划与调用混作一团，多步任务

查看完整文章
上一篇
下一篇