推理
| 话题 | 回复 | 浏览量 | 活动 | |
|---|---|---|---|---|
| Mit 提出 vpo：向量化奖励替代标量，让 llm 测试时搜索保持多样性 |
|
0 | 1 | 2026 年5 月 23 日 |
| 话题 | 回复 | 浏览量 | 活动 | |
|---|---|---|---|---|
| Mit 提出 vpo：向量化奖励替代标量，让 llm 测试时搜索保持多样性 |
|
0 | 1 | 2026 年5 月 23 日 |