[控场AI]
待验证50% 置信解决方案精确时间

ORL采用on-policy残差学习：训练数据由当前模型实时生成，以保证训练分布与推理分布一致。

1
来源数
50%
置信度
长期有效
时效性
2026/10/17
首次发现

来源

单卡RTX 5090跑出2788 tokens/s：扩散LLM加速框架ORL全开源

涉及实体

ORLproduct残差学习concepton-policyconcept

相关事实

已验证联邦学习让模型在数据本地完成训练更新，只上传梯度而非原始数据75% 相似待验证续训是在新增数据上持续训练以保持模型知识更新的方法75% 相似已验证自监督学习是预训练阶段的核心范式，模型通过下一个词预测任务从数据本身构造训练信号74% 相似待验证在传统机器学习中，HITL常用于主动学习（Active Learning），让模型在不确定的样本上请求人工标注以提升训练效率74% 相似待验证实时在线学习要求智能体在连续流动的时间中同步完成感知、决策与参数更新，与大语言模型训练-推理分离的范式形成对比73% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/1049945
API
curl https://kongchang.com/api/v1/knowledge/claims/1049945
MCP
get_claim(id=1049945)