待验证50% 置信事实精确时间
在LLM的强化学习训练中,推理引擎与训练引擎之间的不匹配常导致训练不稳定。
1
来源数
50%
置信度
长期有效
时效性
2026/10/26
首次发现
来源
Hugging Face Journal Club:Score Centering如何稳定离线强化学习
youtubeHugging Face2026/10/26
涉及实体
相关事实
引用此条事实
Stable URI
https://kongchang.com/claim/1100991API
curl https://kongchang.com/api/v1/knowledge/claims/1100991MCP
get_claim(id=1100991)