TsinghuaC3I/Awesome-RL-for-LRMs
@TsinghuaC3Iलार्ज रीजनिंग मॉडल के लिए सुदृढीकरण शिक्षण (Reinforcement Learning) का एक सर्वेक्षण
स्टार
2,483
फ़ोर्क
133
भाषा
TeX
लाइसेंस
MIT
आख़िरी push
3 सप्ताह पहले
संबंधित intel (0)
अभी कोई संबंधित intel नहीं
यह रिपॉजिटरी radar द्वारा ट्रैक किए जाने वाले किसी भी स्रोत में अभी तक नहीं आई है। कलेक्टर एक शेड्यूल पर चलता है — जब यह इस रिपॉजिटरी को कवर करे तब वापस देखें।