跳到正文
热点事件持续更新

Score Centering被传为OpenAI核心强化学习算法

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

有消息称,score centering可能是OpenAI核心强化学习算法,并已被Tinker的StableReinforce采用;这一归属仍属传闻,尚非公开确认。 相关论文在INT8量化采样器、推理更新延迟达64步的陈旧设置下测试发现,score centering搭配TIS或MIS表现最佳,可承受数十步的中位陈旧度;PPO和DAPO则因量化噪声而崩溃。实验仅覆盖上述量化与陈旧更新条件。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. AGI Hunt
    传闻:score centering 或为 OpenAI 核心 RL 算法,可容忍较大推理更新延迟

    score centering 已被传闻为 OpenAI 的核心 RL 算法,并在 Tinker 的 StableReinforce 中采用。论文实验显示,在 INT8 量化采样器与 stale=64 的严重陈旧设置下,score centering 搭配 TIS/MIS 表现最佳,PPO/DAPO 则因量化噪声崩溃;该方法可容忍数十步的中位陈旧度。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。