N3verL4nd的留言板

N3verL4nd 2020-01-02 06:33:25
大家好，这里是我的留言板，如果有问题，欢迎大家留言，我会第一时间进行回复
...全文
131 回复 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
强化学习决策智能体训练框架_使用强化学习训练大型语言模型作为决策智能体_包含ART_AReaL_AgentLightning_VERL等多个独立框架_提供多步Agent训练_异步强.zip
ART、AReaL和AgentLightning以及VERL框架可能各自专注于特定的强化学习算法或训练过程的特定方面。这些框架的组合使用，使得训练过程更为高效且能处理更复杂的训练任务。 多步Agent训练是强化学习中的一个关键概念...
NT6_HDD_Installer
NT6_HDD_Installer
基于Ymodem协议串口升级程序的实现过程
在实现了简单的串口更新代码之后，便开始考虑到了传输的数据的完整性、正确性和安全性，因此想到了在数据传输中添加通信协议，最常用的通信传输协议有：XModem、YModem、ZModem等，此次选用的协议是YModem协议。...
单片机常用校验方法
MD5 的全称是 Message-Digest Algorithm 5，在 90 年代初由 MIT 的计算机科学实验室和 RSA Data Security Inc 发明，由 MD2/MD3/MD4 发展而来的。MD5 的实际应用是对一段 Message(字节串)产生 fingerprint(指纹)，...
《仅需 30 美元！伯克利成功复现 DeepSeek R1 Zero 核心技术》 《单卡也能行！揭秘 DeepSeek R1 Zero 最小成本复制方法》 TinyZero：首个超低成本复现 Dee
资源下载链接为： ... 研究中还提出了 Adaptive Parallel Reasoning（此处原文 “Apative” 推测为拼写误差，修正为 “Adaptive”），探索了在扩展模型...整个实验的开展均以 veRL 为基础，并采用 Qwen2.5 系列基础模型。
community_281

672

社区成员

253,709

社区内容

发帖
与我相关
我的任务
社区描述
提出问题
其他 技术论坛（原bbs）
社区管理员
  • community_281
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章