仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
百度暑期算法grpo缺点是啥
advantage本质上是sequencelevel的，没有ppo的pertokencritic
无法有效利用同一个group全对全错的样本(无梯度)
同一group不同样本存在lengthbias，不过ppo也会有(可以参考字节dapo论文)
注：这个是本人的一些想法，欢迎大佬们评论区回答！！！
星球旨在分享AI算法岗&开发岗的秋招准备攻略、心得体会、内推机会等。涉及深度学习，机器学习，计算机视觉，自然语言处理，SLAM，大数据，数据分析，自动驾驶，C/C++，Java等方向。群主和嘉宾既有往届参加校招拿到Offer(含BAT/独角兽等大厂Offer)，也有已经毕业工作的算法研究员/工程师和软开工程师。…
星球非免费。定价50元/年，0.136元/天。(每+100人，+20元。元老福利~）
一是运行有成本，我希望它能自我闭环，这样才能长期稳定运转；
二是对人的挑选，鱼龙混杂不是我想要的，希望找到关注和热爱AI的人。
欢迎你的加入！
