GSPO: Group Sequence Policy Optimization — um algoritmo RL inovador para escalar LMs!
🔹 Otimização a nível de sequência
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
GSPO: Group Sequence Policy Optimization — um algoritmo RL inovador para escalar LMs!
🔹 Otimização a nível de sequência