OPSD塌缩时可试优势估计器
willccbb · x · 2026-07-11
作者分享了一个在 OPSD 训练里排查 model collapse 的实用技巧：
- 当训练过程反复出现塌缩时，先尝试 移除 hinted logprob ratio。
- 再把它 替换成 advantage estimator。
这条信息虽然简短，但提供了明确的故障定位与替代方案，属于可直接参考的训练调试建议。
「研究」频道最新
- VidMap 用 RoMa 粗匹配全帧、精细匹配仅限关键帧 — ducha_aiki · 2026-09-11
- Bug Hunt Bench 作者补充:榜单噪声幅度约 2-3 分 — PawelHuryn · 2026-09-11
- 台球计算模型登 PNAS:二维系统已存在不可判定性,可跑通用计算机 — eigensteve · 2026-09-11
- 新研究:从仿射变换与重力线索求解绝对位姿 — ducha_aiki · 2026-09-11
- LoMa 论文发布 REALLY HardPairs 数据集,入选 ECCV 2026 — ducha_aiki · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11