热门话题
#
Bonk 生态迷因币展现强韧势头
Hosico
Hosico+6.2%
USELESS
USELESS-0.21%
IKUN
IKUN-7.99%
gib
gib-1.29%
#
有消息称 Pump.fun 计划 40 亿估值发币，引发市场猜测
Bonk
Bonk+2.55%
ALON
ALON-4.06%
LAUNCHCOIN
LAUNCHCOIN-7.13%
GOONC
GOONC-7.66%
KLED
KLED-5.54%
#
Solana 新代币发射平台 Boop.Fun 风头正劲
BOOP
BOOP-0.02%
Boopa
Boopa-2.18%
PORK
PORK-3.82%
header
Tianwei Ni
博士毕业生在现实生活中@Mila_Quebec |上@AmazonScience关于LLM推理的内容 Sapere aude（敢于思考）。
Tianwei Ni
Tianwei Ni1月14日 21:39
离线强化学习受制于保守性——安全，但限制了泛化能力。 在我们的新论文中，我们提出：如果我们放弃这种保守性，依赖贝叶斯原则进行自适应泛化会怎样？ 令人惊讶的是，长时间的回滚——通常在基于模型的强化学习中被避免——使其得以实现。 🧵
59