快手提出 GBPO:诊断 GRPO 三大缺陷,生成式推荐训练更稳

_reachsumit · x · 2026-11-18

快手团队的 arXiv 论文(2611.19742)研究生成式推荐模型中的强化学习:

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →