AGI Hunt· nrehiew_·· 2 小时前AI 评分46
Together AI 提出 Score Centering：量化推理下 RL 训练不再崩
Together AI 提出 Score Centering:量化推理下 RL 训练不再崩
AI 导读
Together AI 提出加性 score centering 修正项，抵消 trainer 与 inference 间累积的偏差漂移，让 LLM 强化学习在严重 TIM 下保持稳定。
来源：AGI Hunt · agihunt.info