NVlabs/GDPO

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

↗ Abrir no GitHub

Estrelas

501

Bifurcações

36

Linguagem

Python

Licença

Apache-2.0

Último push

há 4 meses

Python llm rl agentic-ai reasoning verl grpo trl

Ainda não há intel relacionado

Este repo ainda não apareceu em nenhuma das fontes que o radar rastreia. O coletor roda em um cronograma — volte quando ele cobrir este repo.