跳到正文
张逸骅
文章
随记
EN
中
◐
全部
RL infrastructure
1 篇文章
2026-11-16
关于 Trainer-Generator Mismatch,你需要知道的一切:差异来源、监控、零差异测试与故障调试
后训练
·
en / zh
·
18 个公式
GRPO 的谱系
GRPO
RL infrastructure