LLM Wiki
Search
搜索
探索
标签: 强化学习
此标签下有9条笔记。
2026年7月10日
生成式奖励模型(Generative Reward Model)
概念
强化学习
奖励模型
进阶
2026年7月10日
资料摘要:GSRM(生成式语音奖励模型)
语音合成
强化学习
奖励模型
大模型
深度
2026年7月01日
DiffRO(可微奖励优化)
概念
语音合成
强化学习
后训练
2026年7月01日
GRPO(组相对策略优化)
概念
进阶
强化学习
大模型
2026年7月01日
Policy Gradient(策略梯度)
概念
进阶
强化学习
后训练
2026年7月01日
verl
概念
工具
后训练
强化学习
开源
2026年6月05日
资料摘要:MCLP(角色扮演 TTS)
语音合成
强化学习
大模型
深度
2026年5月09日
PPO(近端策略优化)
概念
基础
长青
强化学习
对齐
RLHF
2026年5月08日
资料摘要:Plan-Critic
音频生成
语言模型
强化学习