DSPO 如何通过序列级优化与动态过滤训练搜索推理 Agent？

知识专题：强化学习与奖励题目类型：原理机制技术难度：深入

题集来源：1 个

未标记

Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~

问 AI

Kimi 千问 ChatGPT

本题目录

收录题集

1 个来源，共1 份题集

强化学习与对齐

阿东玩 AI · AgentGuide · 1 条原题

查看题集 →

- 【DSPO】DSPO算法：理解其创新点（如动态采样、偏好排序等）。「美团、腾讯」