RL Scaling: Off-Policy vs On Policy
参考
- https://fengyao.notion.site/off-policy-rl
- https://thinkingmachines.ai/blog/defeating-nondeterminism-in-llm-inference
- https://zhuanlan.zhihu.com/p/1938184527752176241
- https://arxiv.org/pdf/2506.13585#page=8 Minimax
- https://bytedance.larkoffice.com/docx/ZeP0d3pIdoHVwOx0DpIcrCPInRc
- https://fengyao.notion.site/flash-rl
Author Houmin Wei
Publish January 1, 0001
LastMod August 27, 2026
License 本作品采用 CC BY-NC-ND 4.0 许可协议进行许可，转载时请注明原文链接
如果你在浏览博客的过程中发现了任何问题，欢迎在对应文章下评论。如果你有其他事情想要咨询，可以通过邮件联系我。