公开知识图谱记录
Reinforcement Learning
记录摘要
维基:机器学习与最优控制领域范式，研究智能体在动态环境中通过行动最大化奖励。
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: 训练高频控制层
- 能力: audio-token merging
- 能力: temperature correction
- 性能: Voice of Reason 直接模型 GSM8K 达 70.3%
- 性能: Voice of Reason Stitch GSM8K 达 77.1%
- 性能: judge 与人工判断在 100 个案例中 88% 一致
- 运行要求: 训练使用 16 张 H100 GPU
资料覆盖
知识图谱当前记录了 9 个已知资料维度，另有 10 个维度尚未记录，关联 32 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
- AgentENV — 用于
- Molt — 用于
- Airbnb — 采用
- AI行为监控 — 用于
- alignment training — 采用