公开知识图谱记录
asynchronous reinforcement learning
记录摘要
Training method using sandboxed legal environments, LLM-as-a-judge, and GSPO wit
来自项目知识图谱的有来源实体；具体工具属性仍需补齐。
资料覆盖
知识图谱当前记录了 5 个已知资料维度，另有 13 个维度尚未记录，关联 1 篇公开资料。这些数字只描述资料覆盖，不代表模型性能或适配性已经验证。
相关公开记录
- GSPO — 采用
- LLM-as-a-judge — 采用
- Harvey Tenet — 训练于