AGI Hunt· Shanghai-AI-Laboratory·· 2 小时前AI 评分30
上海AI实验室论文 S3AC：免分组 rollout 的 actor-critic 长推理训练方法
上海AI实验室提出S3AC：免分组rollout的actor-critic长推理训练
AI 导读
上海AI实验室论文提出 S3AC，一种不依赖分组 rollout 的稳定 actor-critic 训练方法，用于提升 LLM 长链推理能力。
来源：AGI Hunt · agihunt.info
上海AI实验室论文 S3AC：免分组 rollout 的 actor-critic 长推理训练方法