CONTENT GOVERNANCE
在线内容治理
下线会立即隐藏 Defomo 内容，并联动撤回 Elys 全部 Feed、详情和分享入口；恢复不会补推历史 Feed。 本操作覆盖整个事件簇及未来新成员。
Ronak Maldemediumconfig v31
人工智能工程大会分享持续学习与强化学习改进思路
摘要与判断
Ronak Malde在人工智能工程世界博览会相关分享中表示，需要重新思考强化学习：要把真实世界使用转化为模型改进，需针对不可验证的逐令牌奖励重新设计后训练算法，并分享扩展SDPO算法用于持续学习的见解。该内容主要呈现研究方向与方法讨论，为关注模型后训练和持续学习的读者提供思路。
Topics
引用和原文
Trace
- Raw Item
- raw_30828cbdaa604411
- Processed Item
- processed_ee2d05966e75439f
- Source
- source_x_feishu_candidate_rronak
- Cluster
- 查看所属簇
- LLM Logs
- llm_0f9548f5da2d4bf3, llm_a09e26e60ed64297, llm_6b98134db77e43b9
- Coze Loop
- 30013e63a28d007fdad0f7aa84693676