训练算法 LLM-DailyDigest 2026-08-21 2026-08-21 约 100 字 预计阅读 1 分钟 训练算法 本主题由提交工具自动创建,可在此补充洞察与资料。 相关消息(按子主题自动聚合) 并行推理 1 PLRM:可并行的概率潜空间推理 10-22 批评模型训练 1 BPCO:稳定高效训练大模型评论器 08-25 模型训练 1 循环 Transformer 的截断反向传播会损失多少梯度? 10-22 算法设计 1 AI4AI-Bench:评测 LLM 智能体的递归自改进算法设计能力 08-21 采样控制 1 Guided-RLVR:以引导式探索提升可验证奖励强化学习 10-29