训练
分类
训练
在上下文保持方面,我们正在持续扩展强化学习训练所使用的上下文长度,并针对性地提升模型的上下文压缩(contextcompaction)能力。
文章
模型训练仍然需要人的Taste,数据质量最终要靠实验检验
文章
数据
A:更好的训练数据、更多样的内部评估,还有“不专门刷榜”(non-benchmaxing),哈哈。
文章
A:高质量训练数据有很多维度,不同领域和任务的标准也各不相同。
文章
在合成训练数据和执行任务时,你们怎么平衡BlenderPython、命令行等底层接口,以及纯界面操作和视觉反馈?
文章
这种过度思考是强化学习的奖励设计造成的,还是跟训练数据的分布有关?
文章
不迷信排行榜,训练数据好不好,最终要靠实验检验
文章
正在增加高难度训练数据,改进奖励机制和长上下文管理,并将继续推进面向科学研究的强化学习。
文章
Hy4
Q:在训练Hy4和Hy4flash执行长程智能体任务和命令行操作时,多轮强化学习中最棘手的奖励作弊或状态漂移问题是什么?
文章