OraCore · Topic ·research

Direct-OPD 讓弱模型 RL 成果可重用

48.3% 提升到 62.4%。Direct-OPD 把弱模型 RL 產生的政策變化抽出來，再轉給更強模型，減少重跑強模型 RL 的成本。

1 articles in this thread ·Last updated 1d ago·First seen Jul 7, 2026

時間軸

  1. Direct-OPD 讓弱模型 RL 成果可重用 種子

    48.3% 提升到 62.4%。Direct-OPD 把弱模型 RL 產生的政策變化抽出來，再轉給更強模型，減少重跑強模型 RL 的成本。