Unverified50% confidenceFactExact time
token id 和 logprobs 是 PPO、GRPO 等主流 RL 算法计算策略梯度的必要输入
1
Sources
50%
Confidence
Long-term
Relevance
10/6/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedTokenFold属于RAG（检索增强生成）技术范畴，本质是一种上下文检索与压缩机制，针对代码场景优化60% similarUnverifiedspdlog 采用分层架构：Logger 负责接收日志消息并进行级别过滤，Sink 负责实际的格式化与输出，一个 Logger 可关联多个 Sink59% similarUnverified为每块GPU在调度层打上归属标签（预留人、团队、项目、预期使用周期）是实现资源问责与安全回收的前提56% similarUnverifiedvLLM的前缀缓存实现基于基数树（radix tree）数据结构进行细粒度的缓存命中匹配56% similarUnverifiedSAC属于off-policy算法，能够将历史交互数据存储在经验回放缓冲区中反复利用，样本效率显著高于PPO55% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/980178API
curl https://kongchang.com/api/v1/knowledge/claims/980178MCP
get_claim(id=980178)