公开知识图谱记录

GSPO

记录摘要

Policy optimization method used in asynchronous reinforcement learning with LoRA

来自项目知识图谱的有来源实体；具体工具属性仍需补齐。

知识图谱当前记录了 6 个已知资料维度，另有 13 个维度尚未记录，关联 2 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。