跳到正文
实时
热点事件历史事件

FSPO 强化学习框架发布

1 篇报道1 个报道来源24 天前更新

先了解这件事

AI 综述

Hugging Face发布了Function-Space Policy Optimization (FSPO)强化学习框架,通过存储稀疏历史下一词分布作为固定时间目标,结合特权适应与函数空间时间整合,显著改进了SDPO方法,无需维持持久教师模型即可实现时间分离。

AI 根据报道生成 · 更新于 23 天前

报道时间线

沿着报道,了解事件的不同侧面。

10月26日
  1. Hugging Face Daily Papers
    函数空间策略优化(FSPO)发布:结合特权适应与函数空间时间整合的强化学习新框架

    函数空间策略优化(FSPO)框架通过存储稀疏历史下一词分布作为固定时间目标,结合特权适应与函数空间时间整合,显著改进了 SDPO 方法,无需维持持久教师模型即可实现时间分离。