NVlabs/GDPO

Official implementation of GDPO: Group reward-Decoupled Normalization Policy Optimization for Multi-reward RL Optimization

↗ Abrir en GitHub

Estrellas

501

Bifurcaciones

36

Lenguaje

Python

Licencia

Apache-2.0

Último push

hace 4 meses

Python llm rl agentic-ai reasoning verl grpo trl

Aún no hay intel relacionado

Este repo no ha aparecido en ninguna de las fuentes que rastrea el radar. El recopilador funciona con un horario — vuelve cuando lo haya cubierto.