作者：硕雀
我还没有学会写个人说明！
什么是Off‑Policy（离策略）
Off‑Policy（离策略）学习概念概述基本定义Off‑Policy指在强化学习过程中，行为策略（be[…]
什么是On‑Policy（同策略）
On‑Policy（同策略）强化学习概述1.什么是On‑PolicyOn‑Policy指在学习过程中[…]
什么是Path Consistency Learning (PCL)算法
PathConsistencyLearning（PCL）概述1.背景与动机在强化学习中，基于价值的（[…]
什么是组相对注意力引导（GRAG）
组相对注意力引导（GroupRelativeAttentionGuidance，GRAG）概述1.背[…]
什么是BLEXBot
BLEXBot简介BLEXBot是由美国SEO工具公司WebMeUp（亦称SE Ranking）[…]
AI一键变身PPT神器！Gemini Canvas新功能上线
GeminiCanvas 新功能概览定位：GeminiCanvas是GoogleGeminiAI[…]
MiniMax Music 2.0 正式发布
MiniMaxMusic 2.0正式发布概览1.发布背景与时间2025年10月31日，上海[…]
什么是MathVision多模态数学推理基准数据集
MathVision（MATH‑Vision）多模态数学推理基准数据集概览1.背景与动机随着大规模多模态[…]
月之暗面推Kimi Linear模型
月之暗面 Kimi Linear模型概览1.背景与动机随着大语言模型（LLM）从单纯的文本生成向具备长[…]
什么是Cycle‑GAN
1.什么是Cycle‑GANCycle‑GAN是一种生成对抗网络（GAN），专门用于无配对图像之[…]