GPS

产品

清华大学与腾讯提出的一种通过小模型预测prompt难度来大幅削减RL后训练成本的方法与系统

1 次提及5 个连接首次出现: 2026-07-11最近出现: 2026-07-11

关系图谱

关系 (5)

发布 (2)

清华大学腾讯

使用技术 (2)

Reinforcement Learning with Verifiable Rewards GRPO

使用 (1)

相关文章 (1)