Chuyển tới nội dung chính
buildradar
Sign in

NVlabs/GDPO

@NVlabs

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

Sao
501
Fork
36
Ngôn ngữ
Python
Giấy phép
Apache-2.0
Push gần nhất
4 tháng trước
Pythonllmrlagentic-aireasoningverlgrpotrl

Chưa có intel liên quan

Kho mã này chưa xuất hiện trong bất kỳ nguồn nào radar theo dõi. Bộ thu thập chạy theo lịch — hãy quay lại khi nó bao quát kho mã này.