登录
更多
已读文章
名词
现象
观点
问题
政要
监督信号
分类
监督信号
换句话说，如果一条rollout包含了4000个token，那么只有0.025%的token得到了教师模型的
监督信号
。
文章
效果
这种密集的token-level
监督信号
一直以来被认为是OPD取得成功的重要特点，但也增加了理解OPD内在机制的难度。
文章
