公开知识图谱记录
GRPO
记录摘要
用于训练并配合软PPO正则
来自项目知识图谱的有来源实体；具体工具属性仍需补齐。
已记录信息
- 能力: 为部分正确页面提供部分得分
- 能力: 按对话、里程碑和轮次提供奖励
- 能力: 为工具使用提供奖励
- 能力: 提供对话级、里程碑级和轮次级奖励
- 能力: 每次尝试提供一个结果奖励
资料覆盖
知识图谱当前记录了 7 个已知资料维度，另有 12 个维度尚未记录，关联 24 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
- lite.gym — 采用
- TRL — 采用
- Agentic Reinforcement Learning — 采用
- EnvHarness — 支持
- LFM2 — 用于