HugMap
人工智能
云计算
半导体
网络安全
企业软件
区块链
量子计算
生物科技
新能源与智能制造
智能穿戴
机器人
智能手机
图谱探索
趋势分析
登录
注册
On Advantage Estimates for Max@K Policy Gradients
文章
ArXiv CS.CL
2026-06-05
NEWS
en
作者: Shota Takashiro, Soichiro Nishimori, Paavo Parmas, Yongmin Kim, Kohsei Matsutani, Gouki Minegishi, Yusuke Iwasawa, Takeshi Kojima, Yutaka Matsuo
查看原文
→
关系图谱
概览
相关事件
相关公司
相关人物
相关产品
相关技术
On Advantage Estimates for Max@K Policy Gradients · 相关技术
相关技术
LLM
RL
AXPO
Leave-Two-Out
Leave-Two-Out baseline
max@K
Pass@k