Hugging Face 读书会精讲:分数中心化如何稳定离线策略强化学习
Hugging Face · youtube · 2026-10-26
Hugging Face 研究团队的 Kashif Rasul 在 Journal Club 中深入推导了《Score Centering Stabilizes Off-policy Reinforcement Learning》论文背后的数学原理，并围绕其展开团队讨论。该论文提出对分数进行中心化处理以稳定离线策略 RL 训练，配图展示了在 FP8/FP4、INT8/INT4 等低精度激活与 KV 缓存组合下，score centering 相较基线方法在训练准确率曲线上的稳定性对比。
「研究」频道最新
- 用小开源模型逆向工程游戏二进制:主 agent 中途重写子 agent 的 harness — yb2698 · 2026-10-26
- 作者：盼合同形式化成为连接 AI 与经济学的「MDP 时刻」 — xuanalogue · 2026-10-26
- 研究发现：前沿 LLM 常为私利单方面撕毁 AI 合同 — xuanalogue · 2026-10-26
- ContractSim：首个评估 LLM 自然语言合同谈判的框架 — xuanalogue · 2026-10-26
- Partial RoPE 研究：仅旋转 10% 维度即可逼近全 RoPE 收敛 — BlancheMinerva · 2026-10-26
- 133 位专利律师实验：同样用 AI，老手被增强、新人陷入认知卸载 — xiaohu · 2026-10-26